51、生成相关加权布尔查询及提升学生学习表现的技术解析

生成相关加权布尔查询及提升学生学习表现的技术解析

生成相关加权布尔查询

在信息检索领域,生成与原始查询相关的加权布尔查询是一个重要的研究方向。下面将详细介绍相关的子系统和评估方法。

合法布尔查询规则

合法的布尔查询 $q \in R$ 仅通过应用规则 1 - 4 获得。需要注意的是,规则 2 和 3 的权重仅对原始查询有意义,对重新制定的查询无关紧要。

重新制定子系统

该子系统的目标是生成一组在一定程度上与原始查询相关的查询。这些新查询呈现出与原始查询相似的概念,能够用不同的术语表达相同的想法。为了生成这些查询,需要选择一种查询重新制定策略和一个知识源,该知识源不仅要提供术语/概念,还需具备测量概念间关系程度的机制,以对重新制定查询的权重进行建模。

例如,一种策略是用知识源中所有相关术语替换每个术语/概念。给定查询 $q_0 = c_1 \vee c_2 \vee c_3$ 以及与原始术语/概念 $c_1$ 相关的一组带权重的术语/概念 ${\langle c_1’, w_1’ \rangle, \langle c_1’‘, w_1’’ \rangle}$,重新制定的新查询如下:
- $q_1 = \langle c_1’, w_1’ \rangle \vee \langle c_2, 1.0 \rangle \vee \langle c_3, 1.0 \rangle$
- $q_2 = \langle c_1’‘, w_1’’ \rangle \vee \langle c_2, 1.0 \rangle \vee \langle c_3, 1.0 \rangle$

过滤子
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值