非對稱性加權之排名學習機制
資訊發達的時代，資訊取得的方式與管道比起以前更方便而多元，但龐大資料量同時也造成了我們往往很難找到真正需要資料的問題，也因此資料的排名(ranking)問題就變得十分重要。本研究目的在於運用排名學習找出良好的排名，利用人對於某特定議題所給予的排名順序找出排名規則，並應用於資料探勘上，讓電腦可自動對資料做評分，產生正確的排序，將有助於資料的搜尋。 本研究分為兩部分，第一部份為排名演算法的設計，我們改良現有的排名方法(RankBoost)，設計出另一個新的演算法(RealRankBoost)，並且用LETOR benchmark實測，作為與其他方法的比較和效果提升的證明；第二部份為非對稱...
| Main Authors: | , |
|---|---|
| Language: | 中文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22G0096753004%22. |