-
题名结合概念语义空间的语义扩展技术研究
被引量:7
- 1
-
-
作者
王磊
黄广君
-
机构
河南科技大学电子信息工程学院
-
出处
《计算机工程与应用》
CSCD
2012年第35期106-109,193,共5页
-
基金
河南省科技攻关项目(No.102102210159)
-
文摘
查询扩展是在原查询词的基础上加入相关的词或者词组,以克服自然语言的"二义性"问题,改进查询意愿的描述。在概念语义空间中进行查询词扩展,可以充分挖掘出查询词之间的关联程度,在整体上把握查询意愿。利用WordNet语义词典中的上下文关系和相似度关系为各个原始查询词构建语义树,并将这些语义树向上溯源建立完整的概念语义空间,以共现信息为特征参数对扩展源中的词进行筛选,以避免过度扩展引起查询语义漂移。还引入动态观察窗口加权模型,以强化共现信息对单词之间关联度的表示。实验结果表明,该扩展算法比传统伪相关反馈算法的扩展质量有明显提高。
-
关键词
查询扩展
伪相关反馈
语义空间
观察窗口
加权
平均倒数排名
-
Keywords
query expansion
pseudo-relevance feedback
semantic space
observation windows
weighting
Mean Reciprocal Rank (MRR)
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种局部协同过滤的排名推荐算法
- 2
-
-
作者
黄丹
王志海
刘海洋
-
机构
北京交通大学计算机与信息技术学院
-
出处
《山东大学学报(工学版)》
CAS
北大核心
2016年第5期29-36,共8页
-
基金
国家自然科学基金资助项目(61370130)
北京市自然科学基金资助项目(4142042)
-
文摘
基于矩阵分解模型、时间因素和排名模式,提出一种局部协同过滤的排名推荐算法,并放松用户对项目的评分矩阵是低秩的这一假设,假设用户对项目的评分矩阵是局部低秩的,即评分矩阵在某个用户项目序偶的近邻空间内是低秩的。修改信息检索中常用的评价指标平均倒数排名(mean reciprocal rank,MRR)函数,使其适合评分数据集合,然后对其进行平滑化操作和简化操作,最后直接优化这一评价指标。提出的算法易于并行化,可以在大型的真实数据集合上运行。试验结果表明该算法能提升推荐的性能。
-
关键词
推荐系统
协同过滤
矩阵分解
时间因素
平均倒数排名
-
Keywords
recommendation system
collaborative filtering
matrix factorization
time factor
mean reciprocal rank
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-