廖振
- 作品数：4 被引量：12H指数：2
- 供职机构：南开大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 与查询相关的多排序模型集成算法
- 本发明公开一种全新的与查询相关的多排序模型集成方法。该方法为每一个查询及其相关文档建立子排序模型，并将子排序模型进行向量化表示，进而将多个查询相关的排序模型转化为特征数据，从而实现多排序模型的集成。并以排序支持向量机为子...
- 王扬黄亚楼谢茂强卢敏廖振
- 文献传递
- 基于查询点击核心图的查询推荐问题研究
- 信息检索技术发展至今，搜索引擎已成为人们找寻信息的重要手段。为了更加快捷地从搜索引擎找到相关信息，用户需要提交准确的查询。然而，由于认知水平以及个人习惯等诸多因素影响，用户提交的查询通常较短且不规则，使得搜索引擎很难准确...
- 廖振
- 关键词：查询推荐日志挖掘搜索引擎
- 文献传递
- 多查询相关的排序支持向量机融合算法被引量：7
- 2011年
- 排序学习是目前信息检索与机器学习领域研究的热点问题.现有排序学习算法在学习时把训练样本集中的所有查询及其相关文档等同对待,忽视了查询之间的差异,影响了排序模型的性能.对查询之间的差异进行描述,并在训练过程中考虑这种差异,提出一种基于有监督学习的融合多个与查询相关排序子模型的方法.该方法为每一个查询及其相关文档建立一个子排序模型,并将子排序模型的输出进行向量化表示,将多个查询相关的排序模型转化为体现查询差异的特征数据,实现多排序模型的集成.以排序支持向量机为例,在查询级和样本级建立新的损失函数作为优化目标,并利用此损失函数调节不同查询产生损失之间的权重,提出多查询相关的排序支持向量机融合算法.在文档检索和网页检索中的实验结果表明,使用多查询相关的排序支持向量机融合算法可以取得比传统排序学习模型更好的性能.
- 王扬黄亚楼谢茂强刘杰卢敏廖振
- 关键词：信息检索
- 代价敏感的列表排序算法被引量：3
- 2012年
- 排序学习是信息检索与机器学习中的研究热点之一.在信息检索中,预测排序列表中顶部排序非常重要.但是,排序学习中一类经典的排序算法——列表排序算法——无法强调预测排序列表中顶部排序.为了解决此问题,将代价敏感学习的思想融入到列表排序算法中,提出代价敏感的列表排序算法框架.该框架是在列表排序算法的损失函数中对文档引入权重,且基于性能评价指标NDCG计算文档的权重.在此基础之上,进一步证明了代价敏感的列表排序算法的损失函数是NDCG损失的上界.为了验证代价敏感的列表排序算法的有效性,在此框架下提出了一种代价敏感的ListMLE排序算法,并对该算法开展序保持与泛化性的理论研究工作,从理论上验证了该算法具有序保持特性.在基准数据集上的实验结果表明,在预测排序列表中顶部排序中,代价敏感的ListMLE比传统排序学习算法能取得更好的性能.
- 卢敏黄亚楼谢茂强王扬刘杰廖振
