[發明專利]基于多目標粒子群優化的魯棒性排序學習方法及其應用有效
| 申請號: | 201910318891.8 | 申請日: | 2019-04-19 |
| 公開(公告)號: | CN110046713B | 公開(公告)日: | 2023-05-12 |
| 發明(設計)人: | 李金忠;夏潔武;曾勁濤;彭蕾 | 申請(專利權)人: | 井岡山大學 |
| 主分類號: | G06N20/00 | 分類號: | G06N20/00;G06N3/006;G06F16/9535 |
| 代理公司: | 上海科盛知識產權代理有限公司 31225 | 代理人: | 應小波 |
| 地址: | 343009 江*** | 國省代碼: | 江西;36 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 多目標 粒子 優化 魯棒性 排序 學習方法 及其 應用 | ||
1.一種基于多目標粒子群優化的魯棒性排序學習方法的應用,其特征在于,所述魯棒性排序學習方法包括以下步驟:
步驟一,基于偏差-方差均衡理論,設計排序模型的有效性偏差函數和魯棒性方差函數,構建排序學習的兩個優化性能指標;
步驟二,在排序學習數據集上,基于多目標粒子群優化算法框架,迭代優化排序模型的有效性偏差函數和魯棒性方差函數這兩個目標以訓練排序模型,從而產生排序模型歸檔解集;
步驟三,基于多屬性決策理論中的偏好順序結構評估法PROMETHEE?II的思想,從上一步驟所產生的排序模型歸檔解集中選擇一個具有最大“凈流”排序值的Pareto最優的排序模型以此作為訓練出的最終排序模型;
所述應用將基于多目標粒子群優化的魯棒性排序學習方法應用于搜索引擎中,其中的搜索引擎包括百度Baidu、谷歌Google、必應Bing、搜狗Sogou和雅虎Yahoo,將該方法所訓練出的排序模型嵌入搜索引擎的排序系統中,以此排序模型去預測用戶需要搜索的查詢詞的網頁排序結果,從而可提高整體用戶的滿意度,增強用戶的體驗感,具體應用過程如下:
步驟1.將基于多目標粒子群優化的魯棒性排序學習方法融入搜索引擎中;
首先,對搜索引擎網頁索引數據庫中的部分網頁進行數據預處理,對網頁進行排序特征的提取和標注以構建搜索引擎排序學習數據集;
其次,在所構建的排序學習數據集上,運用基于多目標粒子群優化的魯棒性排序學習方法去迭代訓練排序模型以產生魯棒性感知的排序模型;
最后,將所產生的魯棒性感知的排序模型嵌入搜索引擎的排序系統中;
步驟2.執行網頁搜索,呈現排序結果;
在融入了基于多目標粒子群優化的魯棒性排序學習方法的搜索引擎中,用戶可循環多次執行網頁搜索;
首先,用戶在搜索引擎的搜索框中,輸入想要搜索的查詢詞,并點擊搜索;
其次,搜索引擎的排序系統調用搜索引擎網頁索引數據庫,從中找出所有包含了該查詢詞的網頁,并計算出哪些網頁應該排在前面,哪些網頁應該排在后面以預測出網頁搜索的排序結果;
最后,將網頁搜索排序結果按照設定的方式返回到“搜索”頁面以呈現給搜索用戶;
所述的設計排序模型的有效性偏差函數和魯棒性方差函數,構建排序學習的兩個優化性能指標具體為:
查詢和查詢集在排序模型下的有效性偏差函數和魯棒性方差函數分別定義如下:
定義1.查詢qi的有效性偏差函數BiasR(qi)定義為:
其中,表示查詢qi下的所有文檔Di在理想排序模型I,即所有文檔全部正確排序下所獲得的最佳有效性,表示查詢qi下的所有文檔Di在排序模型R下所獲得的實際有效性,BiasR(qi)表示查詢qi在排序模型R下的實際有效性相對于理想排序模型I的最佳有效性的偏差;
定義2.查詢集Q的有效性偏差函數BiasR(Q)定義為:
其中,BiasR(Q)表示在排序模型R下查詢集Q中所有查詢qi的有效性偏差的平均值,|Q|表示查詢集Q中查詢qi的總個數;
定義3.查詢qi的魯棒性方差函數VarianceR(qi)定義為:
VarianceR(qi)=[BiasR(qi)-BiasR(Q)]2…(3)
其中,VarianceR(qi)表示在排序模型R下查詢qi的有效性偏差BiasR(qi)離查詢集Q的有效性偏差BiasR(Q)的離散程度;
定義4.查詢集Q的魯棒性方差函數VarianceR(Q)定義為:
其中,VarianceR(Q)表示在排序模型R下查詢集Q中所有查詢qi的魯棒性方差的平均值;
將魯棒性排序學習問題轉化為一個同時考慮有效性和魯棒性的多目標優化問題,依據上述有效性偏差函數和魯棒性方差函數的定義,則魯棒性排序學習問題可形式化描述為:
Utility(Q)={min?BiasR(Q),min?VarianceR(Q)}…(5)
即在排序學習的過程中,同時最小化有效性偏差函數BiasR(Q)和魯棒性方差函數VarianceR(Q)以訓練排序模型,為此,基于上述所構建的排序模型的優化性能指標BiasR(Q)和VarianceR(Q),可采用多目標智能優化算法,如多目標粒子群優化算法,同時最小化BiasR(Q)和VarianceR(Q)的值以達到均衡優化排序模型的有效性和魯棒性的目的。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于井岡山大學,未經井岡山大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910318891.8/1.html,轉載請聲明來源鉆瓜專利網。





