基于PAC-Bayes理论的Web文档数据质量评估方法.pdfVIP

CN43—1258／TP 计算机工程与科学 第 39卷第 3期 2O17年 3月 ISSN 1007—130X ComputerEngineering Science Vol_39，No 3．Mar．2O17 文章编号 ：1007—130X(2017)03—0572—08 基于 PAC—Bayes理论的Web文档数据质量评估方法 汤 莉，何 丽 (天津财经大学理工学院信息科学与技术系，天津 300222) 摘 要 ：为 了更好地评估 Web文档数据质量，提 出一种基 于PAC—Bayes理论的 Web文档质量评估 指标体 系和评估方法。PAC—Bayes理论融合 了PAC理论和 贝叶斯定理，在充分利用样本先验信 息的基 础上，推导 出了最紧的泛化风险边界，用于衡量学习算法的泛化性能。首先阐述 了文档数据质量评估的研 究现状 ，介绍了PAC—Bayes理论框架及其在 支持 向量机上的应用；其次提 出一种基 于PAC—Bayes理论的 Web文档数据质量评估方法(DQAPB)，将 SVM 算法及其 PAC—Bayes边界应用于Web文档 的质量评价 中，并构建 了基于PAC—Bayes理论的Web文档质量评估指标体 系；最后采用Wikipedia文档进行实验 ，实 验结果表明该方法具有简便快速、稳定性和鲁棒性较强的优点。 关键词 ：PAC—Bayes边界 ；支持 向量机 ；泛化能力；数据质量评估 中图分类号 ：TP181 文献标志码 ：A doi：10．3969／i．issn．1007130X．2O17．03．025 A dataqualityassessmentmethodof W ebarticlesbasedonPAC—Bayestheory TANG Ii。HE Li (DepartmentofInformationScienceandTechnology，SchoolofScienceandTechnology， TianjinUniversityofFinanceandEconomics，Tianjin300222，China) Abstract：W eproposeanassessmentindexsystem andamethodbasedonthePAC—Bayestheoryfor betterdataquality assessmentofW eb articles．M aking fulluseofpriorinformation ofsamples。the PAC——Bayestheory integratesthe theoriesofProbably ApproximatelyCorrectand theBayesian para—— digm，andderivesthetightestgeneralizationboundstoassessthegeneralizationcapabilityofclassifiers． W eanalyzetheresearch statusofdataquality assessmentofarticlesin detail．and then introducethe theoreticalframeworkofthePAC—BayestheoryanditsapplicationforSVM ．Furthermore。weproposea methodfordataqualityassessmentofWebarticlesbasedonthePAC—Bayestheory(DQAPB)，andap— plytheSVM algorithm anditsPAC—BayesboundtothedataqualityassessmentofW ebarticles．M oreo— ver，weestablishaqualityassessmentindexsystem ofW ebarticl