結(jié)合關(guān)聯(lián)規(guī)則的直推式排序算法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，搜索引擎的重要性與日俱增。如何有效的查找需要的信息是非常關(guān)鍵的，一個好的搜索引擎可以極大的節(jié)省用戶查找信息的時間。搜索引擎包含多個組成部分，其中網(wǎng)頁排序是搜索引擎設(shè)計的核心問題，排序結(jié)果的準(zhǔn)確率直接決定了搜索引擎的性能和用戶體驗。信息檢索領(lǐng)域中有許多的網(wǎng)頁排序算法，其中以樣本對級別方法的模型應(yīng)用比較廣泛。
　　 而排序?qū)W習(xí)，就是利用機器學(xué)習(xí)的方法來對一系列的文檔或網(wǎng)頁進(jìn)行排序，這種排序方法在近年來獲得了許多人的

2、關(guān)注。然而，大部分的排序?qū)W習(xí)方法，只采用了全監(jiān)督學(xué)習(xí)的方式。由于全監(jiān)督學(xué)習(xí)中，使用的都是已標(biāo)注的訓(xùn)練樣本，而已標(biāo)注的訓(xùn)練樣本比較稀少和昂貴，因此很難獲得大量的已標(biāo)注訓(xùn)練數(shù)據(jù)。在這篇文章中，我們提出一種直推式的排序?qū)W習(xí)方式的框架，利用無標(biāo)注的測試數(shù)據(jù)來改善我們的訓(xùn)練。我們會從無標(biāo)注的測試數(shù)據(jù)中，利用關(guān)聯(lián)規(guī)則提取出文檔對之間的信息，然后把提取出來的信息加入到排序模型的訓(xùn)練當(dāng)中。為了要把提取出來的無標(biāo)注樣本的信息結(jié)合到需要優(yōu)化的函數(shù)當(dāng)中，我們

3、重新設(shè)計了一種損失函數(shù)，在原有的損失函數(shù)當(dāng)中結(jié)合了代表未知信息的項，把這種信息和已知的訓(xùn)練數(shù)據(jù)的信息結(jié)合起來，然后用已有的基于樣本對的排序?qū)W習(xí)方法來訓(xùn)練。在本文中，我們把我們所提出的直推式框架與排序支持向量機(RSVM)結(jié)合起來，提出一種新的直推式排序?qū)W習(xí)方法，稱為AR-RSVM。
　　 本文在LETOR(TD2003,TD2004,OHSUMED)數(shù)據(jù)集上進(jìn)行了實驗，并且通過交叉校驗的方法來避免過擬合。實驗采取了多個評估指標(biāo)進(jìn)