面向排序学习的层次聚类特征选择算法

发布时间：2021-03-09 11:51

　　大型搜索系统对用户查询的快速响应尤为必要,同时在计算候选文档的特征相关性时,必须遵守严格的后端延迟约束。通过特征选择,提高了机器学习的效率。针对排序学习中快速特征选择的起点多为单一排序效果最好的特征的特点,首先提出了一种用层次聚类法生成特征选择起点的算法,并将该算法应用于已有的2种快速特征选择中。除此之外,还提出了一种充分利用聚类特征的新方法来处理特征选择。在2个标准数据集上的实验表明,该算法既可以在不影响精度的情况下获得较小的特征子集,也可以在中等子集上获得最佳的排序精度。 

【文章来源】：计算机工程与科学. 2019,41(12)北大核心

【文章页数】：6 页

【部分图文】：

HCIP-GSA在MQ2008上的NDCG@10的值

HCIP-NGSA在MQ2008上的NDCG@10的值

HC-GSA在MQ2008上的NDCG@10的值

【参考文献】：
期刊论文
[1]基于冗余分析的特征选择算法[J]. 仇利克,郭忠文,刘青,刘颖健,仇志金.  北京邮电大学学报. 2017(01)
[2]基于特征选择的Bagging分类算法研究[J]. 姚明海,赵连朋,刘维学.  计算机技术与发展. 2014(04)
[3]面向排序学习的特征分析的研究[J]. 花贵春,张敏,邝达,刘奕群,马少平,茹立云.  计算机工程与应用. 2011(17)



本文编号：3072802