基于深度学习的专家排序方法介绍.docVIP

基于深度学习的专家排序方法 魏斯超 云南机电职业技术学院，昆明 ,650203 摘要： 关键词： 引言 专家检索是垂直信息检索的研究热点，用以对专家特定人群进行更精确的 查询。专家检索是指根据查询和专家的相关度对专家进行排序 ,将最相关的专家 排在前面。其中专家排序方法的好坏对专家检索效果起着至关重要的作用。目 前专家排序方法主要包括专家模型排序方法，文档模型排序方法，投票模型排 序方法和链接分析模型。针对专家排序不应只计算单个专家的相关性而应该考 虑整个专家列表上的排序损失，第三章提出了基于列表的专家排序方法。这种 方法在很大程度上提高了专家检索的精度，但存在局限性。该方法采用的神经 网络模型由于随机初始化容易陷入局部最小而且训练时间过长，此外浅层的神 经网络不能更好的模拟排序函数。 近期在机器学习领域研究火热的深度学习最初是由 Hinton 等人 2006年提出 的一种深度可信网络模型 [45] ,该算法至今仍是深度学习的主流方法。 深度可信网 络 DBN 模型被认为由一层 BP网络和若干层 RBM 堆叠而成，训练过程中训练实例作为底部 RBM 的输入，下一层 RBM 的输出作为上一层 RBM 的输入，由此从低到高逐层训练 RBM 来构建深度可信网络模型， 每层 RBM 通过反复训练求得最优参数。这一模型绕过直接从整体上训练 DBN 的高复杂度，而将其转化为对多个 RBM