人工神經(jīng)網(wǎng)絡(luò)技術(shù)和微粒群算法在文檔特征表示中的應(yīng)用.pdf

1、Internet技術(shù)的普及與發(fā)展使得國(guó)際互聯(lián)網(wǎng)日益成為當(dāng)今信息資源最為豐富的計(jì)算機(jī)網(wǎng)絡(luò)，如何在互聯(lián)網(wǎng)上快速有效地搜索出所需要資源已成為人們普遍關(guān)心的問(wèn)題之一。要實(shí)現(xiàn)信息的檢索首先需要將互聯(lián)網(wǎng)上的文檔信息與用戶檢索要求相比較，然后將滿足用戶要求的文檔呈現(xiàn)給用戶。在信息檢索中文檔信息在計(jì)算機(jī)中是用文檔特征來(lái)描述的，如何準(zhǔn)確地表達(dá)文檔特征是信息檢索過(guò)程中的基礎(chǔ)。文檔特征表示是文本檢索領(lǐng)域研究的最重要的問(wèn)題之一，它決定著文檔的分類與聚合，也最終

2、決定著文本檢索系統(tǒng)對(duì)用戶查詢的反應(yīng)能力(查全率、查準(zhǔn)率)。 信息檢索技術(shù)正朝著個(gè)性化、智能化的方向發(fā)展，個(gè)性與智能的信息檢索根據(jù)用戶的檢索要求將信息查詢結(jié)果反饋給用戶。本文分析了信息檢索中傳統(tǒng)文檔特征表示的布爾邏輯模型和向量空間模型的優(yōu)缺點(diǎn)：布爾邏輯模型雖機(jī)制簡(jiǎn)單、容易實(shí)現(xiàn)，但是它的分類能力有限且邏輯表達(dá)式過(guò)于嚴(yán)格；向量空間模型將文檔映射到連續(xù)域向量空間，為進(jìn)一步的權(quán)重計(jì)算等多元處理提供了基礎(chǔ)，但容易忽略文檔集合中各個(gè)文檔的一

3、些共有特征。本文在向量空間模型知識(shí)的基礎(chǔ)上分析了使用人工神經(jīng)網(wǎng)絡(luò)計(jì)算文檔特征項(xiàng)權(quán)重的可行性；利用人工神經(jīng)網(wǎng)絡(luò)對(duì)樣本集進(jìn)行學(xué)習(xí)的功能、函數(shù)逼近功能、人工神經(jīng)網(wǎng)絡(luò)的泛化能力以及文檔中各詞語(yǔ)的Zipf詞頻-詞序關(guān)系，在人工神經(jīng)網(wǎng)絡(luò)的輸入端輸入各詞語(yǔ)的頻率，通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值來(lái)優(yōu)化網(wǎng)絡(luò)，最后由神經(jīng)網(wǎng)絡(luò)輸出端獲得文檔特征項(xiàng)的權(quán)重。 群體智能是一種在自然界生物群體所表現(xiàn)出的智能現(xiàn)象啟發(fā)下提出的人工智能模式，

4、是對(duì)簡(jiǎn)單生物群體的智能涌現(xiàn)現(xiàn)象的具體模式研究，模擬鳥群運(yùn)動(dòng)的微粒群算法是群體智能的典型實(shí)現(xiàn)模式之一。本文分析了用微粒群算法進(jìn)行人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練的原理：人工神經(jīng)網(wǎng)絡(luò)的均方誤差作為微粒群算法的適應(yīng)函數(shù)，并將人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值與微粒群中的微粒進(jìn)行向量空間映射。本文采用BP學(xué)習(xí)算法和微粒群優(yōu)化算法對(duì)相同結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，由仿真結(jié)果可知微粒群優(yōu)化算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)在對(duì)文檔特征項(xiàng)權(quán)重的仿真輸出較BP學(xué)習(xí)算法仿真輸出精確，該方法切實(shí)