项目名称: 基于低秩矩阵学习的多源排序融合关键技术研究
项目编号: No.61370021
项目类型: 面上项目
立项/批准年度: 2013
项目学科: 自动化技术、计算机技术
项目作者: 潘炎
作者单位: 中山大学
项目金额: 81万元
中文摘要: 在信息检索和推荐系统中,对检索/推荐结果的排序是最核心的研究问题。排序是搜索引擎,产品推荐、精准广告投放等重要应用中的关键技术。排序融合是指分别通过多种不同来源的特征或多种算法获得搜索/推荐结果的多个基本排序,然后把这些基本排序融合得到一个更好的排序。排序融合是一种不需要人工标注数据的无监督方法,因而可适用于互联网元搜索,各种推荐系统,机器翻译,机器学习中的预测结果融合等问题中。实际应用中输入数据不完整,高噪声和规模大给已有的排序融合方法带来了重要挑战。本课题拟研究基于低秩矩阵学习的排序融合方法。首先,拟提出用低秩矩阵来建模待排序对象间的先后序关系,并用结构化稀疏的矩阵来建模对象关系中的噪声结构;针对基于低秩矩阵的排序融合模型和噪声结构,提出相应的目标函数和优化算法;针对实际应用中数据规模大的问题,拟提出基于分治思想的排序融合的近似学习算法;分析排序融合的成功条件和分治近似错误。
中文关键词: 排序融合;低秩矩阵学习;机器学习;;
英文摘要: Ranking of retrieved/recommended results is a fundamental research topic in information retrieval and recommendation systems. Ranking plays an important role in many real world applications such as search engines, product recommendation, accurate advertis
英文关键词: rank aggregation;low-rank matrix learning;machine learning;;