期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于潜变量的Ranking模型构造算法
被引量：
1
1
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
职称材料
题名
一种基于潜变量的Ranking模型构造算法
被引量：
1
1
作者
程凡
李龙澍
仲红
刘政怡
机构
安徽大学计算机科学与技术学院
中国科学技术大学计算机科学与技术学院
出处
《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
基金
国家自然科学基金项目(61003131)
安徽省自然科学基金项目(11040606M141)
+2 种基金
安徽省自然科学基金青年基金(11040606Q07)
安徽省科技攻关计划重大科技专项(08010201002)
安徽大学"211工程"资助项目
文摘
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。
关键词
Ranking算
法
潜变量
结构化SVM
NDCG
凹-凸过程
近似bundle法
Keywords
ranking algorithm
latent variables
structural support vector machine
NDCG
concaveconvex procedure proximal
bundle
method
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于潜变量的Ranking模型构造算法
程凡
李龙澍
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
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
