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

1、本文的主要工作就是研究自適應(yīng)信息過濾中提高模板準(zhǔn)確性的學(xué)習(xí)算法和過濾閾值優(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，通過在向量空間模型中對(duì)信息文本與用戶需求進(jìn)行向量表示和相似度計(jì)算來實(shí)現(xiàn)信息過濾。在需求模板的學(xué)習(xí)中運(yùn)用向量中值法來構(gòu)建初始的需求模板，通過增量學(xué)習(xí)偽相關(guān)反饋信息來提高需求模板的準(zhǔn)確性。在過濾過程中以用戶反饋信息為先驗(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推測文檔的相關(guān)性概率，以線性效用函數(shù)最優(yōu)為目標(biāo)探測最優(yōu)的過濾閾值。 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)來訓(xùn)練需求模板的算法，采用文檔詞頻方法來選擇特征，運(yùn)用Rocchio算法調(diào)整特征向量，以此提高過濾模板的準(zhǔn)確性；在模型的測試階段，以過濾系統(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)用戶定期反饋的信息，并自適應(yīng)地調(diào)整需求模板