多维度等级评分模型优化技术

发布时间：2018-05-09 02:15

  本文选题：排序学习 + 有序回归模型　； 参考：《软件学报》2013年07期

【摘要】：研究了多维度等级评分模型的训练学习优化技术.为了解决不同用户之间的评分标注所存在的不一致性,提出两种简单、有效的模型训练优化技术,包括基于容忍度的样本选择方法和基于排序损失的样本选择方法.另外,为了充分利用不同特征的用户评分标注之间的相关性,提出了一个面向属性的协同过滤技术以改善多维度等级评分模型.在两个公开的英语和汉语真实餐馆评论数据集上进行实验验证,实验结果表明,所提出的方法有效地改善了等级评分的性能.
[Abstract]:The training learning optimization technology of multi-dimensional rating model is studied. In order to solve the inconsistency between different users, two simple and effective optimization techniques for model training are proposed, including the tolerance based sample selection method and the ranking loss based sample selection method. In addition, in order to make full use of the correlation between user rating tagging with different features, an attribute-oriented collaborative filtering technique is proposed to improve the multi-dimensional rating model. The experimental results show that the proposed method can effectively improve the performance of the rating system on two open data sets of authentic restaurant reviews in English and Chinese.
【作者单位】： 医学影像计算教育部重点实验室(东北大学);东北大学自然语言处理实验室;
【基金】：国家自然科学基金(61073140,61100089) 高等学校博士学科点专项科研基金(20100042110031) 中央高校基本科研业务费专项资金(N110404012)
【分类号】：TP393.09

【二级参考文献】

相关期刊论文 前1条

1 徐琳宏;林鸿飞;杨志豪;;基于语义理解的文本倾向性识别机制[J];中文信息学报;2007年01期

【相似文献】

相关期刊论文 前10条

1 何海江;陈姝;;由排序支持向量机抽取博客文章的摘要[J];电子科技大学学报;2010年04期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关硕士学位论文 前3条

1 刘娇;排序学习中的中文网页特征提取方法[D];哈尔滨工业大学;2009年

2 沈跃伍;基于在线学习的垃圾邮件过滤技术研究[D];哈尔滨理工大学;2012年

3 张天宇;多元表征军事信息可信度研究[D];大连理工大学;2011年

，

本文编号：1864114