دوره 7، شماره 25 و 25 - ( 9-1395 )                   جلد 7 شماره 25 و 25 صفحات 67-86 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghanbari E, Shakery A. A new algorithm based on ensemble learning for learning to rank in information retrieval. 3. 2016; 7 (25 and 25) :67-86
URL: http://iranaict.ir/journal/article-1-405-fa.html
قنبری الهام، شاکری آزاده. ارائه الگوریتمی مبتنی بر یادگیری جمعی به منظور یادگیری رتبه‌بندی در بازیابی اطلاعات. 1. 1395; 7 (25 و 25) :67-86

URL: http://iranaict.ir/journal/article-1-405-fa.html


استادیار دانشگاه تهران
چکیده:   (2275 مشاهده)

یادگیری رتبه‌بندی که یکی از روش‌های یادگیری ماشین برای مدل کردن رتبه‌بندی است، امروزه کاربردهای بسیاری به خصوص در بازیابی اطلاعات، پردازش زبان طبیعی و داده‌کاوی دارد. فعالیت یادگیری رتبه‌بندی را می‌توان به دو بخش تقسیم کرد. یکی سیستم یادگیری مورد استفاده و دیگری سیستم رتبه‌بندی. در سیستم یادگیری، یک مدل رتبه‌بندی بر اساس داده‌های ورودی ساخته می‌شود. در بخش سیستم رتبه‌بندی، از این مدل ساخته شده برای پیش‌بینی رتبه‌بندی استفاده می‌شود. در این مقاله یک الگوریتم پیشنهادی مبتنی بر یادگیری جمعی به منظور یادگیری رتبه‌بندی اسناد ارائه می‌شود که این الگوریتم به صورت تکراری یادگیرهای ضعیفی بر روی درصدی از داده‌های آموزشی که توزیع آنها بر اساس یادگیر قبلی عوض شده است، می‌سازد و جمعی از یادگیرهای ضعیف را برای رتبه بندی تولید می‌کند. این الگوریتم سعی می‌کند تا با ساختن رتبه‌بند بر روی درصدی از داده‌ها، سبب افزایش دقت و کاهش زمان شود. با ارزیابی بر روی مجموعه داده لتور 3 دیده می‌شود که بهتر از الگوریتم‌های دیگری در این زمینه که مبتنی بر یادگیری جمعی هستند، عمل می‌کند.

متن کامل [PDF 1053 kb]   (1601 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فناوری اطلاعات و دانش
دریافت: ۱۳۹۳/۱/۲۴ | پذیرش: ۱۳۹۵/۱۰/۱ | انتشار: ۱۳۹۵/۱۰/۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved |

Designed & Developed by : Yektaweb