版權(quán)說(shuō)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(jiǎn)介
1、隨著監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)在各個(gè)領(lǐng)域的廣泛應(yīng)用,研究人員逐漸意識(shí)到,訓(xùn)練數(shù)據(jù)的缺乏是阻礙學(xué)習(xí)模型快速部署的關(guān)鍵因素之一。最近幾年,如何解決訓(xùn)練數(shù)據(jù)缺乏的問(wèn)題,已經(jīng)成為機(jī)器學(xué)習(xí),自然語(yǔ)言處理,信息檢索、多媒體等領(lǐng)域的研究熱點(diǎn)。
排序?qū)W習(xí)是信息檢索的關(guān)鍵問(wèn)題之一。目前,基于監(jiān)督的機(jī)器學(xué)習(xí)技術(shù)被認(rèn)為是解決排序?qū)W習(xí)的最佳選擇。如同傳統(tǒng)監(jiān)督式學(xué)習(xí)技術(shù),目標(biāo)領(lǐng)域缺乏訓(xùn)練數(shù)據(jù)也是排序?qū)W習(xí)正在面臨的實(shí)際問(wèn)題。針對(duì)排序?qū)W習(xí),我們研究了如何利用其
2、他相關(guān)領(lǐng)域的已有訓(xùn)練數(shù)據(jù),學(xué)習(xí)出適用于目標(biāo)領(lǐng)域的模型,即領(lǐng)域自適應(yīng)。
本文的主要貢獻(xiàn)有以下幾個(gè)方面:
1.提出了基于文檔權(quán)重的排序?qū)W習(xí)自適應(yīng)框架。首先,利用領(lǐng)域分隔超平面估計(jì)源領(lǐng)域文檔對(duì)目標(biāo)領(lǐng)域的重要性;然后,把這些文檔權(quán)重轉(zhuǎn)換成文檔對(duì)權(quán)重;最終,文檔對(duì)權(quán)重可以集成到基于文檔對(duì)的排序?qū)W習(xí)算法中。
2.研究了著名的排序?qū)W習(xí)算法RankBoost的領(lǐng)域自適應(yīng)問(wèn)題。在基于文檔權(quán)重的排序自適應(yīng)框架下,提
3、出了三種基于文檔權(quán)重的RankBoost算法,并分別對(duì)它們進(jìn)行了理論分析和試驗(yàn)比較。
3.提出了直接在查詢層次估計(jì)源領(lǐng)域查詢對(duì)目標(biāo)領(lǐng)域重要性的方法。在排序?qū)W習(xí)中,查詢是帶有相關(guān)性標(biāo)簽的文檔集合,是排序?qū)W習(xí)的基本對(duì)象。我們分別從兩個(gè)不同的角度進(jìn)行查詢權(quán)重估計(jì):(1)將查詢壓縮成特征向量,然后采用傳統(tǒng)的權(quán)重估計(jì)方法進(jìn)行查詢權(quán)重估計(jì)。(2)對(duì)每個(gè)源領(lǐng)域的查詢,把它依次和目標(biāo)領(lǐng)域查詢進(jìn)行比較;通過(guò)集成這些兩兩比較的結(jié)果,估計(jì)源領(lǐng)域
4、查詢對(duì)于目標(biāo)領(lǐng)域的重要程度。
4.提出了基于主動(dòng)學(xué)習(xí)的排序?qū)W習(xí)自適應(yīng)算法。為了獲得目標(biāo)領(lǐng)域特有的排序知識(shí),采用主動(dòng)學(xué)習(xí)技術(shù),選擇少量目標(biāo)領(lǐng)域具有信息量的查詢進(jìn)行標(biāo)注。這些查詢可以彌補(bǔ)源領(lǐng)域所缺失的目標(biāo)領(lǐng)域排序知識(shí),同時(shí),利用這些目標(biāo)查詢?cè)u(píng)估源查詢對(duì)目標(biāo)領(lǐng)域的重要性權(quán)重,從而充分利用源領(lǐng)域的訓(xùn)練數(shù)據(jù)。
5.將領(lǐng)域自適應(yīng)技術(shù)應(yīng)用在語(yǔ)義實(shí)體識(shí)別中,提出了利用領(lǐng)域獨(dú)立特征來(lái)增強(qiáng)領(lǐng)域自適應(yīng)能力的方法。傳統(tǒng)實(shí)體識(shí)別僅僅使
5、用短文本特征,當(dāng)訓(xùn)練文檔和測(cè)試文檔在風(fēng)格上稍有差異時(shí),性能便有明顯下降。為解決該問(wèn)題,我們?cè)O(shè)計(jì)了一個(gè)CRF與SVM的組合框架,通過(guò)該框架,短文本特征與領(lǐng)域獨(dú)立特征可以有效的集成,最終獲得的識(shí)別模型能夠更好地適用于目標(biāo)領(lǐng)域。
針對(duì)不同的應(yīng)用場(chǎng)景,本文研究了排序?qū)W習(xí)中的領(lǐng)域自適應(yīng)問(wèn)題。在目標(biāo)領(lǐng)域沒(méi)有標(biāo)注數(shù)據(jù)的場(chǎng)景下,我們從樣本權(quán)重的角度,研究了基于權(quán)重的排序?qū)W習(xí)領(lǐng)域自適應(yīng);在目標(biāo)領(lǐng)域存在少量標(biāo)注預(yù)算的場(chǎng)景下,我們研究了基于主動(dòng)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。
最新文檔
- 基于語(yǔ)義網(wǎng)的自適應(yīng)學(xué)習(xí)系統(tǒng)中領(lǐng)域模型的研究.pdf
- 基于語(yǔ)義網(wǎng)的自適應(yīng)學(xué)習(xí)系統(tǒng)中領(lǐng)域本體的創(chuàng)建研究.pdf
- 茶學(xué)領(lǐng)域本體自適應(yīng)學(xué)習(xí)方法研究.pdf
- 智慧商圈中基于排序?qū)W習(xí)的個(gè)性化推薦自適應(yīng)框架的研究與實(shí)現(xiàn).pdf
- 中文分詞及詞性標(biāo)注中領(lǐng)域自適應(yīng)的研究.pdf
- 視頻概念檢測(cè)中的領(lǐng)域自適應(yīng)和語(yǔ)義關(guān)聯(lián)研究.pdf
- 領(lǐng)域自適應(yīng)的中文實(shí)體關(guān)系抽取研究.pdf
- 網(wǎng)絡(luò)課程中自適應(yīng)學(xué)習(xí)技術(shù)的研究.pdf
- 基于遷移學(xué)習(xí)的跨領(lǐng)域排序?qū)W習(xí)算法研究.pdf
- 融合知識(shí)組織和深度學(xué)習(xí)的機(jī)器翻譯領(lǐng)域自適應(yīng)研究.pdf
- 統(tǒng)計(jì)機(jī)器翻譯領(lǐng)域自適應(yīng)的研究.pdf
- 自適應(yīng)學(xué)習(xí)系統(tǒng)中序列挖掘算法研究.pdf
- 統(tǒng)計(jì)機(jī)器翻譯領(lǐng)域自適應(yīng)方法研究.pdf
- Deep Web自適應(yīng)跨領(lǐng)域查詢策略研究.pdf
- 自適應(yīng)元學(xué)習(xí)算法的研究.pdf
- 領(lǐng)域自適應(yīng)的網(wǎng)格服務(wù)組合算法研究.pdf
- 自適應(yīng)學(xué)習(xí)系統(tǒng)中個(gè)性化學(xué)習(xí)方案的制定.pdf
- 自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)習(xí)風(fēng)格模型的研究.pdf
- 面向工業(yè)領(lǐng)域的自適應(yīng)數(shù)據(jù)采集技術(shù).pdf
- 圖像重排序自適應(yīng)算法研究與貪心選擇方法改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論