信息檢索中基于圖的半監(jiān)督排序?qū)W習(xí)問題研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展和互聯(lián)網(wǎng)規(guī)模的不斷擴(kuò)大，互聯(lián)網(wǎng)成了全球最大、最廣泛使用的信息庫，如何有效檢索這些海量信息成為當(dāng)前重要的研究課題，因而信息檢索技術(shù)越來越受到人們的重視。信息檢索是指從大量的實(shí)例集合中查找到與給定的查詢(query)相關(guān)的信息子集，是處理海量信息的重要手段。目前絕大多數(shù)的信息檢索系統(tǒng)中，其檢索出來的信息(如文檔)都以排序的方式返回給用戶。因此，如何高效地對信息進(jìn)行排序成為信息檢索研究的核心問題之一。
　　 傳統(tǒng)

2、的排序?qū)W習(xí)方法包括無監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)方法。無監(jiān)督學(xué)習(xí)是基于經(jīng)驗(yàn)估計(jì)的，對搜索結(jié)果有一定的盲目性，效果不是很好。監(jiān)督學(xué)習(xí)需要大量的人工標(biāo)注樣本，而標(biāo)注樣本是一項(xiàng)耗時(shí)長、難度大且代價(jià)昂貴的工作。與此同時(shí)，無標(biāo)注樣本數(shù)量巨多、獲取簡單且廉價(jià)，如何利用無標(biāo)注樣本輔助學(xué)習(xí)，也成為一個(gè)重要的研究課題。除此之外，傳統(tǒng)的排序?qū)W習(xí)方法以相似度為基礎(chǔ)，只關(guān)注局部信息，使得一些相似度不高卻高度相關(guān)的實(shí)例排名靠后，從而影響了排序性能。為解決上述問題，本文將基

3、于圖的半監(jiān)督學(xué)習(xí)應(yīng)用到信息檢索中，實(shí)現(xiàn)了基于圖的半監(jiān)督排序?qū)W習(xí)。
　　 已有基于圖的半監(jiān)督排序方法只把查詢作為標(biāo)注信息，從某種程度上說并沒有合理利用標(biāo)注信息，因而本文從合理利用標(biāo)注信息入手，結(jié)合圖中的流形結(jié)構(gòu)，分析得出處于同一流形結(jié)構(gòu)中節(jié)點(diǎn)間的影響程度要大于處于不同流形結(jié)構(gòu)中節(jié)點(diǎn)間的影響程度?；谝陨戏治霰疚奶岢霾?shí)現(xiàn)了基于權(quán)重調(diào)節(jié)的半監(jiān)督圖排序算法，并成功應(yīng)用于文檔檢索中。
　　 為了更有效的利用同一實(shí)例的多種表現(xiàn)形式