[發(fā)明專利]面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201110448550.6
• 申請(qǐng)日: 2011-12-28
• 公開（公告）號(hào): CN102446223A
• 公開（公告）日: 2012-05-09
• 發(fā)明（設(shè)計(jì)）人: 蔡文彬;張婭
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

1.一種面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征在于：對(duì)未標(biāo)注樣本采用噪聲注入生成在當(dāng)前排序模型下的分?jǐn)?shù)分布，利用分?jǐn)?shù)分布轉(zhuǎn)換成排序分布，用DCG的方差度量排序分布表征不確定性，利用不確定性進(jìn)行樣本選樣。

2.根據(jù)權(quán)利要求1所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，由以下步驟構(gòu)成：

首先為候選池中的無標(biāo)注樣本進(jìn)行噪聲注入，生成噪聲樣本集合；

隨后用初始訓(xùn)練數(shù)據(jù)訓(xùn)練排序模型并對(duì)噪聲樣本集合里的樣本進(jìn)行預(yù)測(cè)，以此來獲得初始候選池中每一個(gè)無標(biāo)注樣本在當(dāng)前排序模型下的分?jǐn)?shù)分布；

然后將分?jǐn)?shù)分布轉(zhuǎn)換成排序分布；

再利用DCG度量樣本的排序，利用DCG的方差來度量樣本的排序分布；

最后樣本選取，選取DCG方差最大的前k個(gè)樣本。

3.根據(jù)權(quán)利要求1或2所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，所述的噪聲注入，是將服從高斯分布噪聲加在原始樣本特征之上，從而在原始數(shù)據(jù)周圍生成m個(gè)具有高斯分布的樣本點(diǎn)，以此作為噪聲注入方法。

4.根據(jù)權(quán)利要求1或2所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，所述的分?jǐn)?shù)分布，是利用訓(xùn)練集訓(xùn)練出的排序模型對(duì)m個(gè)具有高斯分布的噪聲樣本點(diǎn)的預(yù)測(cè)分?jǐn)?shù)，以此作為初始候選池中無標(biāo)注樣本的分?jǐn)?shù)分布。

5.根據(jù)權(quán)利要求1或2所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，所述的排序分布，是在樣本分?jǐn)?shù)分布之下隨機(jī)抽取預(yù)測(cè)分?jǐn)?shù)并進(jìn)行排序，重復(fù)N次得到的N個(gè)排序作為排序分布。

6.根據(jù)權(quán)利要求5所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，查詢的排序分布轉(zhuǎn)換過程為：

(1)根據(jù)文本的分?jǐn)?shù)分布，為查詢中的每一個(gè)文本的隨機(jī)抽取一個(gè)分?jǐn)?shù)，形成一個(gè)n維的分?jǐn)?shù)向量；

(2)對(duì)這個(gè)n維的分?jǐn)?shù)向量進(jìn)行排序，得到一個(gè)排序向量；

(3)重復(fù)以上(1)(2)步驟N次，即得到查詢的排序分布。

7.根據(jù)權(quán)利要求5所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，文本的排序分布轉(zhuǎn)換過程為：

(1)固定該文本所屬查詢的其余文本的分?jǐn)?shù)；

(2)從當(dāng)前文本的分?jǐn)?shù)分布下隨機(jī)抽取一個(gè)分?jǐn)?shù)，與其余已經(jīng)固定的文本分?jǐn)?shù)形成一個(gè)n維的分?jǐn)?shù)向量；

(3)對(duì)這個(gè)n維的分?jǐn)?shù)向量進(jìn)行排序，得到一個(gè)排序向量；

(4)重復(fù)以上(2)(3)步驟N次，即得到文本的排序分布。

8.根據(jù)權(quán)利要求1或2所述的面向搜索排序的基于噪聲注入主動(dòng)學(xué)習(xí)的樣本選取方法，其特征是，所述的樣本選取方法，分別為查詢樣本選取，文本樣本選取，或查詢-文本兩階段樣本選取。