计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
17期
122-127
,共6页
花贵春%张敏%邝达%刘奕群%马少平%茹立云
花貴春%張敏%鄺達%劉奕群%馬少平%茹立雲
화귀춘%장민%광체%류혁군%마소평%여립운
排序学习%排序函数%特征重组%特征选择
排序學習%排序函數%特徵重組%特徵選擇
배서학습%배서함수%특정중조%특정선택
排序是信息检索中一个重要的环节,当今已经提出百余种用于构建排序函数的特征,如何利用这些特征构建更有效的排序函数成为当今的一个热点问题,因此排序学习(Learning to Rank),一个信息检索与机器学习的交叉学科,越来越受到人们的重视.从排序特征的构建方式易知,特征之间并不是完全独立的,然而现有的排序学习方法的研究,很少在特征分析的基础上,从特征重组与选择的角度,来构建更有效的排序函数.针对这一问题,提出如下的模型框架:对构建排序函数的特征集合进行分析,然后重组与选择,利用排序学习方法学习排序函数.基于这一框架,提出四种特征处理的算法:基于主成分分析的特征重组方法、基于MAP、前向选择和排序学习算法隐含的特征选择.实验结果显示,经过特征处理后,利用排序学习算法构建的排序函数,一般优于原始的排序函数.
排序是信息檢索中一箇重要的環節,噹今已經提齣百餘種用于構建排序函數的特徵,如何利用這些特徵構建更有效的排序函數成為噹今的一箇熱點問題,因此排序學習(Learning to Rank),一箇信息檢索與機器學習的交扠學科,越來越受到人們的重視.從排序特徵的構建方式易知,特徵之間併不是完全獨立的,然而現有的排序學習方法的研究,很少在特徵分析的基礎上,從特徵重組與選擇的角度,來構建更有效的排序函數.針對這一問題,提齣如下的模型框架:對構建排序函數的特徵集閤進行分析,然後重組與選擇,利用排序學習方法學習排序函數.基于這一框架,提齣四種特徵處理的算法:基于主成分分析的特徵重組方法、基于MAP、前嚮選擇和排序學習算法隱含的特徵選擇.實驗結果顯示,經過特徵處理後,利用排序學習算法構建的排序函數,一般優于原始的排序函數.
배서시신식검색중일개중요적배절,당금이경제출백여충용우구건배서함수적특정,여하이용저사특정구건경유효적배서함수성위당금적일개열점문제,인차배서학습(Learning to Rank),일개신식검색여궤기학습적교차학과,월래월수도인문적중시.종배서특정적구건방식역지,특정지간병불시완전독립적,연이현유적배서학습방법적연구,흔소재특정분석적기출상,종특정중조여선택적각도,래구건경유효적배서함수.침대저일문제,제출여하적모형광가:대구건배서함수적특정집합진행분석,연후중조여선택,이용배서학습방법학습배서함수.기우저일광가,제출사충특정처리적산법:기우주성분분석적특정중조방법、기우MAP、전향선택화배서학습산법은함적특정선택.실험결과현시,경과특정처리후,이용배서학습산법구건적배서함수,일반우우원시적배서함수.
