抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多重検索システムの組合せは,その個々の成分系よりも優れていることができるが,それは,二の系が有益に組み合わせることができるかどうかを予測する挑戦的な問題であり,もしそうであれば,それらが統合されるべき最適手段として残っている。複合システムの性能は多くの因子によって影響され,個々のシステムの性能,対系の間の多様性,および組み合わせ法を含む。本論文では,ランクスコア特性(RSC)関数を利用した組合せ融合アルゴリズム(CFA)および重み付き認知多様性の概念を用いてこれらの問題の研究を行った。選択された八種のTRECデータセットを用いて,著者らは,(a)個々のシステムは相対的に良好な性能を有している時のみ,二検索システムの組合せは各個々のシステムよりも優れた性能を示し,それらは各個別システムの性能は知られていない場合でもまたは教師なし学習環境の文脈において,(b),他の統計的多様性測定と強い相関を示さない,認知の多様性に基づくランク対スコアの組み合わせを用いて,動的組合せ法は,結合システムの性能を向上させることができる,多様であることを示した。TRECデータセットの中で,提案した動的アプローチは重要なリスクと大幅な改善の可能性を提供していない。著者らの結果は,複数の検索システムの組合せの研究への動的融合の新しいパラダイムを提供する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
