公开(公告)号：CN105488522A

公开(公告)日：2016-04-13

申请号：CN201510824301.0

申请日：2015-11-23

Applicant: 浙江鸿程计算机系统有限公司

Inventor： 吴勇 ,  季海琦 ,  陈岭 ,  范阿琳

IPC: G06K9/62 ,  G06F17/30

CPC classification number: G06K9/6293 ,  G06F17/30864

Abstract: 本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。

公开(公告)号：CN105488522B

公开(公告)日：2018-09-07

申请号：CN201510824301.0

申请日：2015-11-23

Applicant: 浙江鸿程计算机系统有限公司

Inventor： 吴勇 ,  季海琦 ,  陈岭 ,  范阿琳

IPC: G06K9/62 ,  G06F17/30

Abstract: 本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。