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. |