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)，請進行舉報或認領(lǐng)
文檔簡介
1、中山大學碩士學位論文基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習算法研究姓名：吳桂賓申請學位級別：碩士專業(yè)：計算機軟件與理論指導教師：湯庸舒忠梅20090506基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習算法研究AB鋤ACTTitle：ResearchonLearningtankforWebSearchBasedonNeuralNetworkMajor：ComputerSoftwareandTheoryName：繆臺GuibinSupervisor：ProfessorTa
2、ngYongoLecturerShuZhongmeiABSTRACTAsIntemetdevelopsrapidlysearchenginebecomesmoreandmoreimportantIt’ScriticaltosearchinformationeffectivelythereforeagoodsearchengineCansaveusers’timeSearchengineincludesanumberofcomponent
3、s，andthekeypoiIltispage珊蠅theresultofpagerankingdeterminesthesearchengine’SperformanceandUsel“StexperienceTherealemanypagerankingalgorithmsinthefieldofinformationretrieval，whilethemodelsusingpairwisemethodaremorepopularIn
4、thesemodelssomearebaseonneuralnetwork，andRankNctisoneofthesemodelsRankNetissimple，butalsohasshortcomings：queriesalenotequal，anddocumentpairsareequal，whichiscontrarytotheprincipleofpagerankingevaluationcriteriaThispaperpr
5、oposesmethodstoimprovepagerankingalgorithmsbaseonpallwiseandneuralnetworkandusesRankNetasanexampletoillustrateFirstlyitdesignsanewlossfunction晰tllinformationaboutequalityofqueries，andanalyzeswhynotincludinginformationabo
6、utweightsofdocumentspositionsSecondlyitimprovesthetrainingprocessofneuralnetworkbyexpandingthesizeoftrainingsamplesetmakingthetrainingprocessincludinginformationaboutequalityofqueriesandweightsofdocumentspositionstomeett
7、heprincipleofpagerankingevaluationcriteriainordertoimproveaccuracyofpagerankingThispaperusestheLETOR(TREC2003，TREC2004，OHSUMED)datasettodotheexperimenLItrealizesthe2layersneuralnetworkand3layersnellralnetwork，andLlt∞Sthe
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習算法研究(1)
- 基于關(guān)鍵詞聚類與神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習算法研究.pdf
- 基于排序?qū)W習和卷積神經(jīng)網(wǎng)絡(luò)的推薦算法研究.pdf
- 網(wǎng)頁學習排序算法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的排序評價算法研究及其應用.pdf
- 神經(jīng)網(wǎng)絡(luò)學習算法研究.pdf
- rbf神經(jīng)網(wǎng)絡(luò)學習算法的研究
- bp 神經(jīng)網(wǎng)絡(luò)學習算法的研究
- 自主學習神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于解析優(yōu)化方法的神經(jīng)網(wǎng)絡(luò)學習算法研究.pdf
- 基于網(wǎng)絡(luò)用戶反饋特征聚合的網(wǎng)頁排序算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的復述抽取和重排序研究.pdf
- 基于進化計算的前向神經(jīng)網(wǎng)絡(luò)學習算法研究.pdf
- 增量機器學習算法研究——基于模糊神經(jīng)網(wǎng)絡(luò)的增量學習.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁分類技術(shù)研究.pdf
- 基于BROESE RANK算法的網(wǎng)頁排序算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)算法研究年齡
- 遞增的稀疏神經(jīng)網(wǎng)絡(luò)學習算法研究.pdf
- 基于BrowseRank的網(wǎng)頁排序改進算法研究.pdf
- BP神經(jīng)網(wǎng)絡(luò)的代價敏感學習算法研究.pdf
評論
0/150
提交評論