期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于非凸上界的ranking模型构造算法
1
作者 程凡 王煦法 李龙澍 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2012年第4期57-63,共7页
现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一... 现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定. 展开更多
关键词 ranking算法 上界 NDCG 凹-凸过程 割平面算法 多类支持向量机
下载PDF
一种基于潜变量的Ranking模型构造算法 被引量:1
2
作者 程凡 李龙澍 +1 位作者 仲红 刘政怡 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2011年第6期739-744,共6页
现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具,将除训练数据外的其他有用信息以... 现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具,将除训练数据外的其他有用信息以潜变量形式引入算法的框架中,并在此基础上定义了面向NDCG的目标函数。针对该目标函数非凸非平滑,首先使用"凹-凸过程"进行逼近,然后用"近似Bundle法"展开优化计算。基准数据集上的实验结果表明:相比完全依靠训练数据的Ranking算法,本文算法获得的模型更为精确。 展开更多
关键词 Ranking算法 潜变量 结构化SVM NDCG 凹-凸过程 近似Bundle法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部