Relevance feedback with active learning for document retrieval
Relevance feedback with active learning for document retrieval
复制标题
通过主动学习进行文档检索的相关性反馈
DOI：
10.1109/ijcnn.2003.1223673
复制
发表时间：
2003
期刊：
影响因子：
--
通讯作者：
S. Yamada
中科院分区：
文献类型：
--
作者：
T. Onoda;H. Murata;S. Yamada
我们从文档检索中研究以下数据挖掘问题：从文档的大型数据集中，我们需要在尽可能少的人类测试或检查迭代中找到与人类感兴趣的文档。在每次迭代中，相对较小的一批文档被评估为与人类兴趣相关。我们使用基于支持向量机的主动学习技术来评估连续批次，这被称为相关反馈。实验结果表明，本文提出的方法对具有相关反馈的文档检索非常有用。
We investigate the following data mining problems from the document retrieval: From a large data set of documents, we need to find documents that relate to human interesting in as few iterations of human testing or checking as possible. In each iteration a comparatively small batch of documents is evaluated for relating to the human interesting. We apply active learning techniques based on Support Vector Machine for evaluating successive batches, which is called relevance feedback. Finally, our proposed approach is very useful for document retrieval with relevance feedback experimentally.
DOI：
--
发表时间：
2001-06
期刊：
--
影响因子：
--
作者：
H. Drucker;B. Shahraray;D. Gibbon
通讯作者：
H. Drucker;B. Shahraray;D. Gibbon