基于listwise的深度学习专家排序方法-模式识别与人工智能.pdfVIP

第28 卷摇 第 11期 模式识别与人工智能 Vol.28摇 No.11 2015年11月 PR AI Nov.摇 2015 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 * 摇 摇 摇 摇 摇 基基于Listwise 的深度学习专家排序方法 摇 摇 摇 摇 摇 摇 李贤慧摇 摇 余正涛摇 摇 魏斯超摇 摇 高盛祥摇 摇 王立人 (昆明理工大学 信息工程与自动化学院摇 昆明650504) (昆明理工大学 智能信息处理重点实验室摇 昆明650504) 摘摇 要摇 针对传统专家列表排序方法易陷入局部最小和训练时间过长、不能较好逼近排序函数的问题,结合深度 神经网络与Listwise 的专家排序方法,提出基于Listwise 的深度学习专家排序方法.该方法首先提出深度学习专家 排序模型,通过无监督的自训练得到较优参数逐层初始化权重.再将查询对应的专家文档形成的训练实例输入到 受限玻尔兹曼机中进行训练,通过余弦值取代矩阵相减计算权重,完成权重整体更新,构建深度学习专家排序模 型.对比实验表明文中方法具有较好效果,引入深度学习能有效提升排序精度. 关键词摇 专家排序,Listwise,深度学习,受限玻尔兹曼机(RBM) 中图法分类号摇 TP393 DOI摇 10.16451/ ki.issn1003鄄6059.201511003 Deep Learning Expert Ranking Method Based on Listwise LI Xian鄄Hui,YU Zheng鄄Tao,WEI Si鄄Chao,GAO Sheng鄄Xiang,WANG Li鄄Ren (Faculty of Information Engineering andAutomation,Kunming University of Science and Technology, Kunming 650504) (Key Laboratory of Intelligent Information Processing,Kunming University of Science and Technology, Kunming 650504) ABSTRACT Thetraditionalexpertlistrankingmethodiseasytof