文献

J-GLOBAL ID：201802219719608409   整理番号：18A0615344

確率的局所探索を用いた情報検索のためのグラフに基づくモデル【Powered by NICT】

Graph based model for information retrieval using a stochastic local search

著者 (2件)： Farhi Sidali Hocine (LRIA, Dpt. Computer Science, USTHB BP 32 El-Alia, Beb-Ezzouar, Algiers) ,  Boughaci Dalila (LRIA, Dpt. Computer Science, USTHB BP 32 El-Alia, Beb-Ezzouar, Algiers)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 105  ページ： 234-239  発行年： 2018年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： グラフは化学化合物,および社会的ネットワークのような複雑なモデル構造とデータにおいてますます重要になってきた。機械学習研究の最近の進歩は,グラフに基づくモデルの数に直面し,これらのモデルの多くは異なる情報検索タスクにより検証したのでからの情報検索研究も利益を得ている。本論文では,インデクシンググラフの問題を調査し,情報検索プロセスに用いられる部分グラフを抽出するための確率的局所探索(SLS)法を適用して新しい解を定義した。指数の大きさを低減するために,質問の大きさと頻繁な部分グラフの集合を考慮した。言い換えれば,探索空間と実行時間をできるだけ最適化するための指標を作成するために使用される部分グラフは,質問のサイズに等しいサイズを持つであろう。提案した方法は,CACM収集,科学論文の集合と質問と関連性判断のセットのタイトル,著者抄録(利用可能な)を含む上で評価し,文献で提案されたベクターに基づく余弦モデルと比較した。この方法は指数と情報検索プロセスの出力に関連する文書を確立する頻繁な部分グラフを発見することができた。数値結果は筆者らの手法が比肩可能な結果を提供し,CACM収集に引用関連文書と比較して高品質な解(文書)を見出すことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 機械学習 ,  *近傍探索法 ,  部分グラフ ,  *情報検索 ,  ベクター ,  *モデル ,  最適化 ,  *グラフ
準シソーラス用語： 高品質 ,  引用 ,  実行時間 ,  探索空間 ,  社会的ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフマイニング ,  部分グラフマイニング ,  頻繁な部分グラフ ,  確率的局所探索 ,  情報検索

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 確率 ,  局所探索 ,  情報検索 ,  グラフ ,  モデル