基于增量學(xué)習(xí)和閾值優(yōu)化的自適應(yīng)信息過(guò)濾.pdf

1、本文的主要工作就是研究自適應(yīng)信息過(guò)濾中提高模板準(zhǔn)確性的學(xué)習(xí)算法和過(guò)濾閾值優(yōu)化的新方法。 給出了一種改進(jìn)的自適應(yīng)信息過(guò)濾模型，該模型將統(tǒng)計(jì)模型(向量空間模型)與概率方法(貝葉斯方法)相結(jié)合，通過(guò)在向量空間模型中對(duì)信息文本與用戶(hù)需求進(jìn)行向量表示和相似度計(jì)算來(lái)實(shí)現(xiàn)信息過(guò)濾。在需求模板的學(xué)習(xí)中運(yùn)用向量中值法來(lái)構(gòu)建初始的需求模板，通過(guò)增量學(xué)習(xí)偽相關(guān)反饋信息來(lái)提高需求模板的準(zhǔn)確性。在過(guò)濾過(guò)程中以用戶(hù)反饋信息為先驗(yàn)知識(shí)和訓(xùn)練數(shù)據(jù)，運(yùn)用高斯指數(shù)

2、分布和貝葉斯方法來(lái)推測(cè)文檔的相關(guān)性概率，以線(xiàn)性效用函數(shù)最優(yōu)為目標(biāo)探測(cè)最優(yōu)的過(guò)濾閾值。 在模型的訓(xùn)練階段，給出了運(yùn)用增量學(xué)習(xí)方法對(duì)附加的少量偽相關(guān)文檔進(jìn)行學(xué)習(xí)來(lái)訓(xùn)練需求模板的算法，采用文檔詞頻方法來(lái)選擇特征，運(yùn)用Rocchio算法調(diào)整特征向量，以此提高過(guò)濾模板的準(zhǔn)確性；在模型的測(cè)試階段，以過(guò)濾系統(tǒng)效能函數(shù)最優(yōu)為目標(biāo)，給出了探索最優(yōu)的過(guò)濾閾值的新算法。運(yùn)用Rocchio算法實(shí)現(xiàn)系統(tǒng)自主地學(xué)習(xí)用戶(hù)定期反饋的信息，并自適應(yīng)地調(diào)整需求模板