您好,歡迎來(lái)電子發(fā)燒友網(wǎng)! ,新用戶?[免費(fèi)注冊(cè)]

您的位置:電子發(fā)燒友網(wǎng)>源碼下載>數(shù)值算法/人工智能>

Web文檔數(shù)據(jù)質(zhì)量指標(biāo)體系和評(píng)估方法

大?。?/span>0.56 MB 人氣: 2017-11-22 需要積分:0

  為了更好地評(píng)估Web文檔數(shù)據(jù)質(zhì)量,提出一種基于PAC-Baves理論的Web文檔質(zhì)量評(píng)估指標(biāo)體系和評(píng)估方法。PAC-Bayes理論融合了PAC理論和貝葉斯定理,在充分利用樣本先驗(yàn)信息的基礎(chǔ)上,推導(dǎo)出了最緊的泛化風(fēng)險(xiǎn)邊界,用于衡量學(xué)習(xí)算法的泛化性能。首先闡述了文檔數(shù)據(jù)質(zhì)量評(píng)估的研究現(xiàn)狀,介紹了PAC-Baves理論框架及其在支持向量機(jī)上的應(yīng)用;其次提出一種基于PAC-Baves理論的Web文檔數(shù)據(jù)質(zhì)量評(píng)估方法(DQAPB),將SVM算法及其PAC-Baves邊界應(yīng)用于Web文檔的質(zhì)量評(píng)價(jià)中,并構(gòu)建了基于PAC-Baves理論的Web文檔質(zhì)量評(píng)估指標(biāo)體系;最后采用Wikipedia文檔進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明該方法具有簡(jiǎn)便快速、穩(wěn)定性和魯棒性較強(qiáng)的優(yōu)點(diǎn)。

Web文檔數(shù)據(jù)質(zhì)量指標(biāo)體系和評(píng)估方法

非常好我支持^.^

(0) 0%

不好我反對(duì)

(0) 0%

      發(fā)表評(píng)論

      用戶評(píng)論
      評(píng)價(jià):好評(píng)中評(píng)差評(píng)

      發(fā)表評(píng)論,獲取積分! 請(qǐng)遵守相關(guān)規(guī)定!

      ?