Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 112,298,152

 Ứng dụng lập trình di truyền phục vụ học xếp hạng
Tác giả hoặc Nhóm tác giả: Võ Trung Hùng, Lâm Tùng Giang
cvs weekly sale cvs print prescription savings cards
Nơi đăng: Tạp chí KH&CN các trường Kỹ thuật
walgreens prints coupons prescription coupon card free printable coupons
; Số: 92;Từ->đến trang: 58-63;Năm: 2013
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Xếp hạng là một vấn đề trung tâm trong các ứng dụng truy xuất, tìm kiếm thông tin. Bên cạnh khả năng áp dụng các mô hình xếp hạng truyền thống như TF-TDF, VSM, LSI, BM25, ... một xu hướng đang được quan tâm là dựa vào các kỹ thuật học máy để xây dựng các công thức hay thuật toán sắp xếp tài liệu. Từ năm 2007, LETOR - bộ dữ liệu đánh giá của hãng Microsoft - được sử dụng rộng rãi trong các tài liệu nghiên cứu và trở thành công cụ phục vụ đánh giá, so sánh các giải thuật xếp hạng [1]. Trong bài báo này, chính tôi trình bày kết quả nghiên cứu về các phương pháp xếp hạng áp dụng kỹ thuật học máy đã được thử nghiệm trên bộ dữ liệu này. Trên cơ sở đó, chúng tôi đề xuất phương pháp mới ứng dụng lập trình di truyền để xây dựng công thức xếp hạng tài liệu và thử nghiệm trên tập dữ liệu thành phần OHSUMED của LETOR phiên bản 3.0. Phương pháp đề xuất cho kết quả tốt hơn khi so sánh với các kết quả nghiên cứu đã có.
walgreens pharmacy coupon link promo codes walgreens
ABSTRACT
Ranking is a central problem for many information retrieval applications. Apart from using traditional methods such as TF-TDF, VSM, LSI, BM25,... the application of machine learning techniques (ML) becomes a new trend in the field and has attracted great attention of research communities. Since 2007, LETOR - the benchmark dataset introduced by Microsoft - has been used widely in research papers and has become a useful tool for evaluating and comparing ranking methods and algorithms. In this paper, we present result on studying ML-based ranking methods tested on this dataset. We propose also an application of Genetic Programming to create ranking formulars with evaluation results on OHSUMED - a dataset in LETOR ver 3.0. The proposed method gives good results in comparison with existing methods.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn