2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、Web信息的快速增長,給信息檢索系統(tǒng)帶來了巨大挑戰(zhàn)。傳統(tǒng)的檢索模型需要在一個(gè)相對(duì)固定的數(shù)據(jù)集上通過訓(xùn)練得到,不具備開放的學(xué)習(xí)功能,而Web上的信息是實(shí)時(shí)更新的,檢索模型由于無法對(duì)新的數(shù)據(jù)進(jìn)行學(xué)習(xí),檢索性能必將隨著Web信息的更新而逐漸下降,現(xiàn)有的解決辦法之一是將新數(shù)據(jù)加入到原有的數(shù)據(jù)集中對(duì)模型重新進(jìn)行訓(xùn)練,由于模型對(duì)原有數(shù)據(jù)集學(xué)習(xí)所獲得的知識(shí)并沒有被保留,這勢(shì)必浪費(fèi)大量的時(shí)間進(jìn)行重復(fù)學(xué)習(xí);另一種方法則是在新數(shù)據(jù)集上對(duì)模型進(jìn)行訓(xùn)練,若新的

2、數(shù)據(jù)集數(shù)據(jù)量不夠則會(huì)影響模型的學(xué)習(xí)效果。因而,如何使得檢索模型能較好學(xué)習(xí)新的數(shù)據(jù)并實(shí)現(xiàn)在目標(biāo)數(shù)據(jù)集上的準(zhǔn)確檢索,成為了信息檢索模型研究的熱點(diǎn)之一。 本文中我們將檢索模型在發(fā)生變化的數(shù)據(jù)上的訓(xùn)練可以看作是一個(gè)學(xué)習(xí)遷移的過程,檢索模型在原有數(shù)據(jù)集上的訓(xùn)練勢(shì)必對(duì)其在新數(shù)據(jù)上的學(xué)習(xí)有所影響,即在原有數(shù)據(jù)集上建立模型中所獲得的知識(shí)對(duì)該模型在新數(shù)據(jù)上的訓(xùn)練有所幫助,從而減少由于數(shù)據(jù)發(fā)生改變而導(dǎo)致模型需要重新進(jìn)行學(xué)習(xí)所耗費(fèi)的時(shí)間。 因

3、此,為解決上述問題,我們結(jié)合遷移學(xué)習(xí)理論和Markov網(wǎng)絡(luò)理論,提出了一種新的方法,思想是遷移Markov網(wǎng)絡(luò)用于實(shí)現(xiàn)檢索模型的學(xué)習(xí),通過獲取先驗(yàn)知識(shí),實(shí)現(xiàn)在目標(biāo)數(shù)據(jù)集上高效檢索目的。具體的思路是:首先建立一個(gè)數(shù)據(jù)集上的初始檢索模型,其次,衡量用于建模的先驗(yàn)數(shù)據(jù)集和目標(biāo)數(shù)據(jù)集中數(shù)據(jù)分布的差異性,在本文中我們使用Kullback-Leibler divergence(KL偏離度)的測(cè)量公式來度量這一分布的不同。且所得的KL偏離值也可用于確

4、定檢索公式中的平衡參數(shù)(也就是確定遷移先驗(yàn)數(shù)據(jù)中知識(shí)的“量”),然后,通過遷移舊數(shù)據(jù)集上的先驗(yàn)知識(shí)到目標(biāo)數(shù)據(jù)集上,我們對(duì)基于Markov網(wǎng)絡(luò)的檢索模型進(jìn)行修正,并在目標(biāo)數(shù)據(jù)集上進(jìn)行檢索。這樣就可以將以將以往被摒棄的先驗(yàn)數(shù)據(jù)通過有效的遷移學(xué)習(xí)利用到目標(biāo)數(shù)據(jù)集的學(xué)習(xí)中,使檢索模型能夠快速學(xué)習(xí)并實(shí)現(xiàn)目標(biāo)文檔的高效檢索。多組實(shí)驗(yàn)結(jié)果驗(yàn)證了我們的新方法在性能上要優(yōu)于BM25算法,T-檢驗(yàn)的結(jié)果也顯示模型的性能提高水平是顯著的。 本文的工作

5、和創(chuàng)新點(diǎn)在于: 1.首次將遷移學(xué)習(xí)理論用于信息檢索領(lǐng)域,將知識(shí)的遷移和有指導(dǎo)的遷移學(xué)習(xí)等思想成功應(yīng)用在基于Markov網(wǎng)絡(luò)的信息檢索模型中,從構(gòu)造的Markov網(wǎng)絡(luò)中成功地學(xué)習(xí)先驗(yàn)數(shù)據(jù)。 2.本文通過遷移先驗(yàn)數(shù)據(jù)集的知識(shí),并利用部分新數(shù)據(jù)集,來修正所提出的檢索模型,并最終實(shí)現(xiàn)基于Markov網(wǎng)絡(luò)的檢索模型能在新的數(shù)據(jù)集上的高效檢索。這樣可以大大減少重新建立一個(gè)適用于新數(shù)據(jù)集的檢索模型所耗費(fèi)的時(shí)間。 3.通過實(shí)驗(yàn)驗(yàn)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論