-
题名面向生成对抗网络直接优化精度指标的排序学习方法
- 1
-
-
作者
曾寰
李金忠
-
机构
井冈山大学电子与信息工程学院
电子数据管控与取证江西省重点实验室
-
出处
《小型微型计算机系统》
北大核心
2025年第6期1358-1364,共7页
-
基金
国家自然科学基金项目(61762052,62141203)资助
江西省自然科学基金项目(20212BAB202021)资助
+1 种基金
江西省教育厅科技计划项目(GJJ180574,GJJ2201657)资助
吉安市指导性科技计划项目(20244-029651)资助.
-
文摘
在评估排序学习方法的性能优劣时,常用的信息检索评估指标,如NDCG、ERR和AP,都是基于文档列表位置信息的指标.由于这些指标中的位置信息是离散值,难以直接用于生成对抗网络的训练中,使得基于生成对抗网络的排序学习算法的损失函数未能考虑排序列表中文档的位置信息.针对此问题,本文提出一种基于条件生成对抗网络直接优化近似平均精度AP指标的listwise排序学习算法(APGAN-LTR)以进行精细化训练模型.该方法采用Gumbel-softmax重参数化技巧采样,使用梯度可导的Plackett-Luce模型模拟用户对检索出文档的偏好采样过程,对平均精度AP指标进行近似,并将包含近似位置信息的AP指标融入条件生成对抗网络的损失函数中以被直接优化性能指标,用于挖掘排序列表的位置信息,以期更进一步提升性能.在公共排序学习基准数据集上的实验结果表明:对比基于生成对抗网络的排序学习方法IRGAN-List,本文提出的排序学习方法APGAN-LTR在信息检索指标NDCG,P,AP,NERR上都有明显提升.
-
关键词
排序学习
近似指标
平均精度
条件生成对抗网络
信息检索
-
Keywords
approximate indicator
average precision
learning to rank
conditional generative adversarial networks
information retrieval
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于语义融合轨迹生成的k匿名轨迹集补全方法
- 2
-
-
作者
徐健锋
张炜
涂敏
魏勍颋
赖展晴
王倩倩
-
机构
南昌大学软件学院
江西警察学院网络安全学院
电子数据管控与取证江西省重点实验室
-
出处
《信息网络安全》
CSCD
北大核心
2024年第12期1911-1921,共11页
-
基金
国家自然科学基金[62266032,62362050]
江西省主要学科学术技术带头人领军人才项目[20225BCI22016]
江西省教育厅2022年科学技术研究项目[GJJ2202302]。
-
文摘
轨迹隐私保护是数据安全和个人隐私保护领域的热点问题之一。文章针对k匿名轨迹计算中可能存在匿名轨迹数量不足的问题,提出一种基于语义融合的匿名轨迹生成方法。该方法选择间距小于指定阈值且存在通路的轨迹对,进行融合和校准后生成两条具有较好语义解释性的虚拟轨迹。基于上述研究成果,文章进一步提出一种基于语义融合轨迹生成的k匿名轨迹集补全方法TS-ATC。该方法首先从匿名轨迹集中选取轨迹作为候选轨迹集;然后,从候选轨迹集中选取符合条件的轨迹对执行基于语义融合的匿名轨迹生成方法,并将符合条件的生成轨迹添加到匿名轨迹集。如果匿名轨迹集数量还达不到要求,再从k匿名轨迹计算淘汰的轨迹中选择合适的轨迹加入候选轨迹集,并进行轨迹融合生成。该步骤也将符合条件的生成轨迹再次添加入匿名轨迹集,直至匿名轨迹集的数量达到要求。文章提出的轨迹生成及匿名轨迹补全方法不但具有较好的可解释性,同时能够有效解决k匿名轨迹计算中可能遇到的轨迹数量不足的问题。
-
关键词
隐私保护
轨迹补全
轨迹生成
语义融合
-
Keywords
privacy protection
trajectory completion
trajectory generation
semantic fusion
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
