-
题名个性化信息检索方法研究
被引量：4
- 1
-
-
作者
王俊义
叶新铭
-
机构
内蒙古大学计算机学院
-
出处
《计算机科学》
CSCD
北大核心
2010年第6期211-213,共3页
-
基金
国家自然科学基金项目(60863015)
内蒙古自然科学基金重点项目(20080404ZD20)资助
-
文摘
个性化信息检索是十分有用的检索方法,用户模型能够表示用户个人的爱好与兴趣,有许多研究工作以各种方式使用用户模型扩充问句。提出一种新的基于一元语言模型的方法。它通过对包含多个主题域的长期用户模型的学习得到相关的语义内容,对问句进行扩展后进行检索,得到更接近用户兴趣的结果,然后再与伪相关反馈模型相结合,进一步提高检索性能。通过实验证明,该方法取得了较好的效果。
-
关键词
信息检索
语言模型
个性化
问句扩展
-
Keywords
Information retrieval,Language model,Personalization,Query expansion
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名融合词向量及BTM模型的问题分类方法
被引量：10
- 2
-
-
作者
黄贤英
谢晋
龙姝言
-
机构
重庆理工大学计算机科学与工程学院
-
出处
《计算机工程与设计》
北大核心
2019年第2期384-388,共5页
-
基金
国家社会科学基金项目(17XXW004)
重庆市教委基金项目(15YJC790061)
-
文摘
针对传统短文本分类算法对问题分类效果不佳的问题,提出一种融合词向量及BTM模型的问题分类方法。使用Word2vec对问题语料库进行训练得到词向量;对语料进行基于吉布斯采样的BTM主题模型构建,得到文本主题扩展向量;将文本主题扩展向量与词向量拼接得到新的问句扩展文本,利用SVM进行文本分类。实验结果表明,该方法在准确率、召回率及F值上的表现均有提高。
-
关键词
问答系统
问题分类
词向量
BTM主题模型
问句扩展
-
Keywords
QA
question classification
word vector
BTM model
question expansion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
