将文档按照用户偏好进行准确分级是搜索引擎的一个重要需求。本文通过使用条件随机场(conditional random field,简称CRF)方法为用户历史点击数据建模,提取相关信息,使最终的文档分级列表正确的反映用户的偏好。通过仿真测试,与隐马尔可...将文档按照用户偏好进行准确分级是搜索引擎的一个重要需求。本文通过使用条件随机场(conditional random field,简称CRF)方法为用户历史点击数据建模,提取相关信息,使最终的文档分级列表正确的反映用户的偏好。通过仿真测试,与隐马尔可夫(HMM)方法建模进行对比,证实CRF方法能更好的提高对用户偏好的分级。比较了两种方法的性能,并对实验结果进行了分析。展开更多
文摘将文档按照用户偏好进行准确分级是搜索引擎的一个重要需求。本文通过使用条件随机场(conditional random field,简称CRF)方法为用户历史点击数据建模,提取相关信息,使最终的文档分级列表正确的反映用户的偏好。通过仿真测试,与隐马尔可夫(HMM)方法建模进行对比,证实CRF方法能更好的提高对用户偏好的分级。比较了两种方法的性能,并对实验结果进行了分析。