基于半監(jiān)督流形學習的Web信息檢索技術研究.pdf

1、在Web2.0時代，萬維網(wǎng)逐漸由一個海量信息存儲庫發(fā)展成為全球用戶參與、分享和交互的平臺。這一方面促使萬維網(wǎng)上各種復雜類型數(shù)據(jù)(圖像、音頻、視頻等)急劇增加；另一方面，用戶在Web信息檢索方面的個性化需求也不斷增長。有效支持復雜類型數(shù)據(jù)檢索和檢索結(jié)果的個性化成為當前Web信息檢索技術所面臨的兩大挑戰(zhàn)。
　　 本文對基于半監(jiān)督流形學習的Web信息檢索技術進行了探索和研究。半監(jiān)督流形學習技術基于流形數(shù)據(jù)假設，利用由已標注數(shù)據(jù)和未標注

2、數(shù)據(jù)所共同體現(xiàn)的內(nèi)在流形結(jié)構(gòu)，來構(gòu)建更有效的學習模型。在各種Web信息檢索應用中，各類相關數(shù)據(jù)通常分布在高維外部空間中的子流彤結(jié)構(gòu)上，這為半監(jiān)督流形學習技術提供了廣闊的用武之地。
　　 在Web2.0時代，各類Web2.0應用將產(chǎn)生大量的用戶自主創(chuàng)造內(nèi)容(UGC)。這些UGC數(shù)據(jù)包含了很多用戶個性化信息，有效利用這砦數(shù)據(jù)是實現(xiàn)Web信息檢索個性化的關鍵。但是，相比于萬維網(wǎng)上的海量信息，能有效輔助個性化檢索的用戶反饋信息顯得非常稀

3、缺。半監(jiān)督流形學習技術利用數(shù)據(jù)的流形分布特征，讓我們在Web信息檢索中更加充分的利用用戶反饋，實現(xiàn)各類數(shù)據(jù)的有效檢索，更好的實現(xiàn)檢索內(nèi)容個性化。
　　 在本文中，我們在對半監(jiān)督流彤學習技術在以下Web信息檢索相關領域中的應用進行了研究和探索：
　　 1.基于內(nèi)容的圖像檢索(CBIR)：引入用戶反饋是解決CBIR中“語義鴻溝”問題的有效手段，但這又給圖像檢索帶來“維度災難”問題。為了解決這個問題，本文使用核技術對最大邊緣投

4、影算法(MMP)進行非線性擴展，提出了基于核的最大邊緣投影算法(KMMP)。KMMP將圖像子流形映射到一個低維子空間，更好的實現(xiàn)高度非線性流形數(shù)據(jù)的降維，有效提高圖像檢索的精確度。
　　 2.Web新聞人臉檢索：大部分新聞都是和人相關的一些故事，因此根據(jù)特定的人物對相關的新聞文本和圖片進行檢索是一種很自然的需求。在新聞人臉檢索中，人工標注的代價往往較高；因此，現(xiàn)有的方法都是在文本檢索的基礎上，使用無監(jiān)督學習技術對人臉數(shù)據(jù)聚類來檢

5、索新聞人臉。如果屬于同一個人的負樣例圖片比較多，無監(jiān)督的方法會返回大量的錯誤結(jié)果。本文提出了一種基于半監(jiān)督流形排序的新聞人臉檢索方法，利用人臉數(shù)據(jù)分布的流彤幾何特征，在檢索過程中引入用戶相關反饋，實現(xiàn)更加精確的新聞人臉檢索。同時，用戶相關反饋的引入，也有效解決了無監(jiān)督方法在屬于同一個人的負樣例圖片較多的情況下檢索精度差的問題。
　　 3.網(wǎng)頁文檔摘要：在社交網(wǎng)絡中，用戶在網(wǎng)頁上標注的標簽既是對相關內(nèi)容的高度概括，也是用戶對感興趣

6、內(nèi)容的標注。這使網(wǎng)頁標簽成為網(wǎng)頁摘要的良好素材。本文通過使用網(wǎng)頁標簽，提出一種以抽取用戶感興趣內(nèi)容為主的社會化摘要方法。首先，我們在三核協(xié)同標簽模型(Tripartite Collaborative Tagging Model)的基礎上，通過分析用戶標簽行為，構(gòu)建一個體現(xiàn)數(shù)據(jù)流形分布特征的加權圖。然后，我們使用線性近鄰傳遞方法實現(xiàn)在加權圖上的用戶興趣傳播，使得產(chǎn)生的網(wǎng)頁摘要有效聚焦于用戶感興趣的內(nèi)容。
　　 4.新聞網(wǎng)頁標題識別