导读:本文包含了排序学习理论论文开题报告文献综述及选题提纲参考文献,主要关键词:贝叶斯网络结构学习,Kahn算法,Tarjan算法,K2算法
排序学习理论论文文献综述
张凯茜[1](2019)在《基于节点排序的寻优函数在贝叶斯网络结构学习中的理论研究》一文中研究指出贝叶斯网络是处理不确定性问题的有效方法之一,其具有内在严密的概率推理和直观的图形化表示等特点,被广泛应用于人工智能和机器学习等领域。在当今数据大爆炸时代,传统的依靠专家知识构建贝叶斯网络结构的方法已不能满足快速精准学习的需求。如何从数据中有效地学习贝叶斯网络结构引起众多专家学者的研究兴趣。使用爬山搜索策略的K2算法作为一种经典的贝叶斯网络结构学习算法,已经得到广泛的应用。但K2算法对变量序列和最大父节点数具有强烈的依赖性,不同的最大父节点数对贝叶斯网络的学习效果差别不显着,而不同的变量序列会极大地影响贝叶斯网络的学习效率,因此如何寻找较优的变量序列有着重要的研究价值。本文以构建K2算法中变量序列的评价函数为研究目标,首先基于广度优先搜索的Kahn算法和深度优先搜索的Tarjan算法,对标准网络结构进行图的遍历以得到较优的变量序列,分析各序列的K2-CH评分和互信息评分的属性,寻找较优序列的共性,在此基础上提出新的变量序列的评价函数,然后以此评分函数作为新的适应度函数,在变量构成的空间内,以遗传搜索来寻找较优的变量序列,我们称此算法为Chain-KMGA算法。实验结果表明,通过Chain-KMGA算法学习到的贝叶斯网络的结构较优,具体表现在网络的评分值较高,且可以学习到更多的正确边和较少的错误边,同时ChainKMGA算法的运行时间较少,该算法具有较高的学习效率,其所学习到的贝叶斯网络评分值与变量序列评分值具有较强的正相关性,即随着变量序列评分值的增加,贝叶斯网络的评分值也在对应的增加,因此Chain-KMGA算法能够搜索到较优变量序列,Chain-KMGA算法构建的贝叶斯网络具有较高的学习效率。(本文来源于《西北农林科技大学》期刊2019-05-01)
何因[2](2010)在《排序学习中基于直接优化信息检索评价准则算法的理论分析》一文中研究指出随着互联网技术的迅速发展,互联网上的信息量也以惊人的速度不断地膨胀,从海量的互联网信息中准确快捷的获取所需信息也变得日益困难。搜索引擎的出现正是为了使人们能够从海量的互联网信息中快速和便捷地获取所需信息。搜索引擎背后的关键技术是网页排序算法。如何设计一个有效的网页排序算法是信息检索领域中十分重要和流行的课题。近年来,将机器学习方法引入排序学习获得了很大成功,吸引了越来越多研究人员的注意。在排序学习领域中,直接优化信息检索评价准则算法已经成为一个重要分支。由于信息检索评价准则(例如MAP和NDCG)的不连续和不可导性导致其难以优化。直接优化信息检索评价准则算法的核心思想是通过优化一个与信息检索评价准则近似的替代函数达到优化信息检索评价准则的目的。我们称此替代函数为替代评价准则。直接优化信息检索评价准则算法的一个关键性基础问题是-对替代评价准则的优化是否能保证对相应的信息检索评价准则的优化?这个问题的解答,将直接决定直接优化信息检索评价准则算法的理论正确性。因为,如果对替代评价准则的优化不能保证对相应的信息检索评价准则的优化,那么直接优化信息检索评价准则算法将无法从理论上保证能够获得一个性能良好的排序模型。然而目前并无任何工作对这个问题有深入的理论研究,故而研究人员对直接优化信息检索评价准则的理论性质并不了解。本论文以直接优化信息检索评价准则算法的一个关键性基础问题(对替代评价准则的优化是否能保证对相应的信息检索评价准则的优化)为主线,以探索直接优化信息检索评价准则算法的理论性质为目标,创新性的提出了直接性和趋势相关性两个概念,用于以衡量替代评价准则与相应的信息检索评价准则之间的关系。并以直接性和趋势相关性为分析工具,获得了主流的直接优化信息检索评价准则算法中替代评价准则的理论性质。最后通过在公共基准数据集LETOR上对各个直接优化信息检索评价准则算法的实验验证了本文所得的理论分析结果,说明了用直接性和趋势相关性来衡量替代评价准则与相应的信息检索评价准则之间关系的科学性和正确性。·本论文首先提出直接性和趋势相关性两个概念以衡量替代评价准则与相应的信息检索评价准则的关系。我们从理论上证明了,如果一个替代评价准则,相对于一个信息检索评价准则而言,具有任意大的直接性,或者任意强的趋势相关性,则对此替代评价准则的优化能保证对相应的信息检索评价准则的优化。·在理论研究结论的基础上,我们分析了主流的直接优化信息检索评价准则算法的直接性和趋势相关性。通过理论分析,证明了SoftRankNDCG, ApproxRankMAP, ApproxRankNDCG中所优化的替代评价准则,在合适的参数设置下(例如,令SoftRankNDCG中参数σs→0以及ApproxRankMAP和ApproxRankNDCG中参数α→∞),对任意数据分布都能具有任意大的直接性和任意强的趋势相关性。证明了SVMMAP,DORMNDCG, PermuRankMAP,SVMNDCG所优化的替代评价准则在某类数据分布上不能具有任意大的直接性和任意强的趋势相关性。因此,我们得到了SoftRankNDCG,ApproxRankMAP,ApprixRankNDCG相比于SVMMAP, DORMNDCG, PermuRankMAP,SVMNDCG具备更好的理论性质,因而能获得更好的排序性能的结论。·最后通过在公共基准数据集LETOR上的实验研究,我们验证了对主流直接优化信息检索评价准则算法所优化的替代评价准则的直接性和趋势相关性的理论研究结果,说明了用直接性和趋势相关性衡量替代评价准则与相应的信息检索评价准则直接关系的科学性和正确性。(本文来源于《中国科学技术大学》期刊2010-05-01)
查尔斯·M·瑞戈鲁斯,杨非[3](2004)在《细化理论:学习内容选择和排序的指南》一文中研究指出细化理论是在教学领域有深远影响的着名理论,可用于认知领域和心智运动领域教学内容的设 计。本文介绍了该理论的基本内容,包括理论的本质特色、对教学内容的分类,及对每类教学内容的细化策略。(本文来源于《开放教育研究》期刊2004年02期)
排序学习理论论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
随着互联网技术的迅速发展,互联网上的信息量也以惊人的速度不断地膨胀,从海量的互联网信息中准确快捷的获取所需信息也变得日益困难。搜索引擎的出现正是为了使人们能够从海量的互联网信息中快速和便捷地获取所需信息。搜索引擎背后的关键技术是网页排序算法。如何设计一个有效的网页排序算法是信息检索领域中十分重要和流行的课题。近年来,将机器学习方法引入排序学习获得了很大成功,吸引了越来越多研究人员的注意。在排序学习领域中,直接优化信息检索评价准则算法已经成为一个重要分支。由于信息检索评价准则(例如MAP和NDCG)的不连续和不可导性导致其难以优化。直接优化信息检索评价准则算法的核心思想是通过优化一个与信息检索评价准则近似的替代函数达到优化信息检索评价准则的目的。我们称此替代函数为替代评价准则。直接优化信息检索评价准则算法的一个关键性基础问题是-对替代评价准则的优化是否能保证对相应的信息检索评价准则的优化?这个问题的解答,将直接决定直接优化信息检索评价准则算法的理论正确性。因为,如果对替代评价准则的优化不能保证对相应的信息检索评价准则的优化,那么直接优化信息检索评价准则算法将无法从理论上保证能够获得一个性能良好的排序模型。然而目前并无任何工作对这个问题有深入的理论研究,故而研究人员对直接优化信息检索评价准则的理论性质并不了解。本论文以直接优化信息检索评价准则算法的一个关键性基础问题(对替代评价准则的优化是否能保证对相应的信息检索评价准则的优化)为主线,以探索直接优化信息检索评价准则算法的理论性质为目标,创新性的提出了直接性和趋势相关性两个概念,用于以衡量替代评价准则与相应的信息检索评价准则之间的关系。并以直接性和趋势相关性为分析工具,获得了主流的直接优化信息检索评价准则算法中替代评价准则的理论性质。最后通过在公共基准数据集LETOR上对各个直接优化信息检索评价准则算法的实验验证了本文所得的理论分析结果,说明了用直接性和趋势相关性来衡量替代评价准则与相应的信息检索评价准则之间关系的科学性和正确性。·本论文首先提出直接性和趋势相关性两个概念以衡量替代评价准则与相应的信息检索评价准则的关系。我们从理论上证明了,如果一个替代评价准则,相对于一个信息检索评价准则而言,具有任意大的直接性,或者任意强的趋势相关性,则对此替代评价准则的优化能保证对相应的信息检索评价准则的优化。·在理论研究结论的基础上,我们分析了主流的直接优化信息检索评价准则算法的直接性和趋势相关性。通过理论分析,证明了SoftRankNDCG, ApproxRankMAP, ApproxRankNDCG中所优化的替代评价准则,在合适的参数设置下(例如,令SoftRankNDCG中参数σs→0以及ApproxRankMAP和ApproxRankNDCG中参数α→∞),对任意数据分布都能具有任意大的直接性和任意强的趋势相关性。证明了SVMMAP,DORMNDCG, PermuRankMAP,SVMNDCG所优化的替代评价准则在某类数据分布上不能具有任意大的直接性和任意强的趋势相关性。因此,我们得到了SoftRankNDCG,ApproxRankMAP,ApprixRankNDCG相比于SVMMAP, DORMNDCG, PermuRankMAP,SVMNDCG具备更好的理论性质,因而能获得更好的排序性能的结论。·最后通过在公共基准数据集LETOR上的实验研究,我们验证了对主流直接优化信息检索评价准则算法所优化的替代评价准则的直接性和趋势相关性的理论研究结果,说明了用直接性和趋势相关性衡量替代评价准则与相应的信息检索评价准则直接关系的科学性和正确性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
排序学习理论论文参考文献
[1].张凯茜.基于节点排序的寻优函数在贝叶斯网络结构学习中的理论研究[D].西北农林科技大学.2019
[2].何因.排序学习中基于直接优化信息检索评价准则算法的理论分析[D].中国科学技术大学.2010
[3].查尔斯·M·瑞戈鲁斯,杨非.细化理论:学习内容选择和排序的指南[J].开放教育研究.2004