基于边际的信息检索排序算法研究

系统地分析RLR算法模型的优缺点,证明阶铰链亏损函数是凸函数,且满足2/2≥,变换模型框架中的亏损函数,采用减少上下界差距的策略选取参数,由证明阶铰链亏损函数满足+<2+进而得到新的算法。实验结果表明,该算法是有效的,最后讨论可继续研究的课题。

一种改进的信息检索排序算法

信息检索的核心问题就是在文档集中为用户检索出最相关的子文档集,并依靠排序算法对检索结果按照相关性进行排序,因此排序算法的优劣直接影响检索的效率.RLR算法改进了正则经验风险模型,大大减少了计算复杂度.通过设定一定范围的允许误差值,采用对称ε-insen-sitive对数亏损函数作为亏损函数,给出对称ε-insensitive对数亏损函数满足的一些特殊性质,进而改进RLR算法.实验表明新算法对文本排序是有效的.

信息检索排序算法研究综述

排序技术是信息检索系统进行结果处理的核心技术,排序算法的优劣直接影响系统的效率。将现有的排序算法分为基于链接分析和基于机器学习两大类,系统地分析了各自代表性算法,指出它们各自的优势和存在的不足,并指出不同算法在不同领域和场合所具有的优势,最后讨论可继续研究的课题。