模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
3期
327-334
,共8页
孙鹤立%冯博琴%黄健斌%赵英良%刘均
孫鶴立%馮博琴%黃健斌%趙英良%劉均
손학립%풍박금%황건빈%조영량%류균
排序学习%多超平面%支持向量机(SVM)%序关系%排序聚合
排序學習%多超平麵%支持嚮量機(SVM)%序關繫%排序聚閤
배서학습%다초평면%지지향량궤(SVM)%서관계%배서취합
在经典排序学习模型RankSVM的基础上,提出一种序关系优化的多超平面排序模型.该模型首先根据训练数据所属等级之间的序关系进行多个超平面的构建,然后将多个超平面得到的排序列表进行聚合获得最终的排序结果.在LETOR OHSUMED数据集上对所提出的模型进行实验测试,使用信息检索领域的多个经典指标对模型的性能进行评测,并与RankSVM等方法进行比较.实验结果显示该模型不仅获得更优的排序性能,而且能显著缩短训练时间.
在經典排序學習模型RankSVM的基礎上,提齣一種序關繫優化的多超平麵排序模型.該模型首先根據訓練數據所屬等級之間的序關繫進行多箇超平麵的構建,然後將多箇超平麵得到的排序列錶進行聚閤穫得最終的排序結果.在LETOR OHSUMED數據集上對所提齣的模型進行實驗測試,使用信息檢索領域的多箇經典指標對模型的性能進行評測,併與RankSVM等方法進行比較.實驗結果顯示該模型不僅穫得更優的排序性能,而且能顯著縮短訓練時間.
재경전배서학습모형RankSVM적기출상,제출일충서관계우화적다초평면배서모형.해모형수선근거훈련수거소속등급지간적서관계진행다개초평면적구건,연후장다개초평면득도적배서렬표진행취합획득최종적배서결과.재LETOR OHSUMED수거집상대소제출적모형진행실험측시,사용신식검색영역적다개경전지표대모형적성능진행평측,병여RankSVM등방법진행비교.실험결과현시해모형불부획득경우적배서성능,이차능현저축단훈련시간.