导读:本文包含了相关性反馈论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:相关性,反馈,信息检索,向量,图像,权重,算法。
相关性反馈论文文献综述
陈占龙,张丁文,谢忠,吴亮[1]（2018）在《利用多等级相关性反馈进行空间场景匹配》一文中研究指出现有的空间场景匹配方法利用低级描述子(如局部几何形状描述子、方向、拓扑)或其组成的简单二元空间关系建立模型来试图满足用户的描述需求,缺乏对用户级主观概念的反馈机制。将用户反馈机制应用到空间场景匹配过程中,以研究机器在学习用户需求后对空间场景匹配的影响。在运算过程中,用户对匹配结果进行相关度评估并反馈给模型,模型根据反馈结果动态地更新检索参数权重以模拟用户的主观感知,从而使得调整后的匹配运算更加贴近用户需求。通过进行用户调查及分析特征向量权重的收敛情况验证了此方法的有效性和效率,实验结果表明,根据用户反馈进行空间场景匹配具有很高的用户主观性强度,用户只需进行2~3次的反馈就能得到较为满意的结果,空间场景的匹配结果更符合人的空间认知。(本文来源于《武汉大学学报(信息科学版)》期刊2018年09期）
翟东海,鱼江,聂洪玉,崔静静,杜佳[2]（2014）在《基于相关性反馈的自适应热点话题追踪模型》一文中研究指出针对在热点话题追踪过程中容易发生话题漂移的问题,提出了基于相关性反馈的自适应热点话题追踪模型。为准确把握话题的动态演变过程,首先,在词频-逆向文档频率(term frequency—inverse document frequency,TF-IDF)的基础上引入了相关度因子。其次,构造了报道与话题的相关度计算公式和新特征词能否反馈加入到话题词汇库的判别函数。同时,利用了话题词汇库本身的特性,构造了自适应更新阈值和自适应相关阈值的动态计算方法。最后,根据各个特征词对该话题贡献度的大小,对更新后的词汇库中的各特征词动态赋予新权重。实验结果显示,和其它3类追踪器相比,该追踪器模型的漏报率平均降低0.018、误报率平均降低0.063,这表明,该追踪模型更适合于解决话题漂移问题。(本文来源于《山东大学学报(工学版)》期刊2014年01期）
肖阳[3]（2012）在《用户信息检索中的相关性反馈模型研究》一文中研究指出本文提出一种通过获取用户建立和更新信息相关反馈模型的思想。通过观察用户在浏览Web页面时所采取的动作来获取反馈信息,利用检索算法将用户信息量化,并利用这些信息建立与更新用户模型。一方面用户对检索结果的评价输入到用户模型上,另一方面,检索系统通过学习跟踪用户信息并优化用户模型。(本文来源于《科技创新导报》期刊2012年27期）
冷彪[4]（2009）在《叁维模型检索的特征描述和相关性反馈算法的研究》一文中研究指出在基于内容的叁维模型检索领域,特征描述算法和相关性反馈算法是其关键技术。虽然特征描述算法能够提取不同的底层特征信息,但是在模型特征提取过程中存在不少亟待解决的问题。叁维模型相关性反馈算法虽然能获取用户的语义知识,提高检索效果,但普遍存在样本筛选等问题。针对上述问题,本文进行了深入的研究。论文工作包括:1.提出了一种基于形状视觉的叁维模型特征描述算法MATE。首先给出了一种改进的PCA方法;然后提出了一种等角距的傅立叶描述算子;接着介绍了一种改进的深度缓存算子;最后合成叁种不同的算子形成MATE算法。与现有六种特征描述算法相比,MATE算法不仅在多种标准评价方式下获得很好的检索效果,而且还较好地处理了检索性能与特征维度之间的权衡问题。2.给出了一种基于先验知识的特征向量合成算法。利用查询模型计算各种特征向量的先验知识,然后动态地分配不同特征向量的权重合成一种特征向量。实验结果表明该算法能较好地利用各种特征向量的不同优势,其检索性能明显优于现有的两种叁维模型特征向量选择算法和特征向量合成算法。3.提出了一种基于多层次的叁维模型相关性反馈算法。采用多种特征向量描述模型不同底层特征信息的特点,并准确获取用户的检索需求。实验结果表明该算法能较快缩小用户高层语义知识与模型底层特征信息之间的差距,显着提高了叁维模型的检索效果。与现有算法相比,该算法在多种标准评价方式下都具有明显的优势,仅用两轮相关性反馈就能获得较好的检索效果。4.建立了一种基于长期学习机制的SVM active learning相关性反馈算法。采用主动学习机制返回最具信息量模型,保存用户对所有模型的检索记录和标注信息,并利用拉普拉斯特征映射法挖掘历史检索过程中隐藏在模型之间的语义知识,最终实现模型在语义空间进行相似度匹配检索。与现有几种叁维模型相关性反馈算法相比,该算法不仅能准确获取用户的语义知识,而且还能显着提高检索效果,仅通过一至两轮相关性反馈就能获得非常理想的检索结果。(本文来源于《清华大学》期刊2009-04-01）
程娟[5]（2008）在《基于用户信息检索相关性反馈模型的研究》一文中研究指出提出通过获取用户建立和更新信息相关反馈模型的思想。通过观察用户在浏览Web页面时所采取的动作来获取的反馈信息,利用检索算法将用户信息量化,并利用这些信息建立与更新用户模型.一方面用户对检索结果的评价输入到用户模型上,另一方面,检索系统通过机器学习跟踪用户信息并优化用户模型。(本文来源于《图书馆杂志》期刊2008年04期）
李燕,吕中华[6]（2007）在《基于内容的图形数据检索和相关性反馈》一文中研究指出在对大量的图像数据进行检索时,传统的信息检索技术并不能满足要求,因此,基于内容的图像检索技术(CBIR:Con- tent Based Image Retrieval)的研究应运而生。本文主要介绍了CBIR中的一些基本内容,基于内容图像检索(CBIR)的早期阶段,是以计算机为中心,使得一些查询结果从计算机的角度来看是相似的,而有人却认为是不相似的。为解决上述矛盾,在基于内容的图像检索领域引入了相关反馈机制。通过人机交互机制使得计算机能够不断了解用户对查询结果的满意程度,并通过逐步学习把输出调整到符合用户期望的状态。(本文来源于《科技资讯》期刊2007年35期）
孙鑫[7]（2005）在《信息检索中相关性反馈用法研究》一文中研究指出相关性反馈是应用于信息检索中的一项重要技术。它对于提高信息检索的质量是非常有效的。就用户提问与相关性反馈、标准的相关性反馈界面以及如何获得相关信息等问题进行了探讨。(本文来源于《情报杂志》期刊2005年03期）
陶跃华,李竹芬[8]（2004）在《图像检索中相关性反馈模型研究》一文中研究指出相关性反馈是图像检索中一个重要的组成部分。本文介绍了文本检索中相关性反馈技术及相关性反馈模型。在此基础上,引入基于内容的图像相关性反馈技术及相关性反馈模型。(本文来源于《云南师范大学学报(自然科学版)》期刊2004年03期）
张守武[9]（2002）在《基于颜色的具有相关性反馈的图像检索系统》一文中研究指出随着多媒体技术的发展，包括图像、音频、视频等信息的多媒体数据大量涌现，如何从大量的信息中快速，有效地检索到所需的内容，已经成为多媒体技术研究中的热点问题。图像检索自七、八十年代始便成为一个非常活跃的研究领域，其推动力来源于两大研究团体：数据库系统和计算机视觉。它从基于文本以及基于内容这二个不同的角度，对图像检索作了研究。另外多媒体内容描述标准MPEG-7也正在制定当中。 基于文本的图像检索，其研究主要在数据库领域中进行，图像检索的一个典型框架是，首先对图像用文本进行注解(关键字)，然后用基于文本的数据库管理系统(DBMS)来进行图像关键字检索，诸如数据模型、多维度索引、查询评价等的研究进展均是沿着这一领域所作的。但是，基于文本的图像检索存在两大困难，尤其是当图像的数量非常大的时候，其一是手工对图像进行注释所需的工作量太大，其二是图像注解的主观性和不精确性可能导致的检索过程中的失配。九十年代初，由于大规模图像数据库的出现，由手工进行图像注解这一方法所带来的困难变得十分尖锐，为了克服这一困难，研究者们提出了基于内容的图像检索，其思路是，不同于基于关键字的手工注解，图像是由其自身的视觉内容，如颜色、纹理、形状、视觉含义等索引的，这便是基于内容的索引。 基于内容的图像检索系统，根据图像库的内容和检索要求可分为通用检索系统和专用检索系统。专用检索系统是由图像库和检索要求的特殊性而研究的专门检索技术，如专门的人脸图像数据库检索；而通用检索系统所采用的技术则较为普遍。目前，对于通用的图像检索，用于检索的特征主要有颜色(Color)、纹理(Texture)、形状(Shape)、草图(Sketch)等，其中颜色、形状、纹理应用最为普遍。由于不同的应用背景，不同的基于内容检索系统在其检索实现中采用的技术也各有侧重，但一般都能在传统的计算机视觉利图像处理技术中找到其出处，所以基于内容的图像检索可以说是图像处理和计算机视觉各种技术应用的综合。 在多媒体特别是图像信息管理和存取领域，论文主要关注于基于内容的图像信息检索方面，阐述其理论、方法和体系结构，提出内容描述模型和基于内容的检索算法，并给出实验结果和测试分析。考虑到图像本身的特性，建立起图像数据的内容描述模型，以使得能更好的进行图像数据库存取利索引。颜色，纹理，形状是描述图像内容的重要特征。在图像特征提取和相似性匹配方法中运用了多种有效算法，比如在颜色特征的基于颜色感知的图像检索算法；在纹理特征抽取中的基于非完全树小波包变换技术的算法等等。同时，根据结合图像的二维空间位置信息，对图像的某个局部位置(用户感兴趣区域)信息来进行检索。在检索系统的人机交互中运用了相关性反馈Relevance Feedback，使得能更有效，快速的检索到所需的图像。在论文中，本人主要对基于内容的图像检索系统有关颜色的算法和相关性反馈方法进行了实现，给出了测试和实验结果，并进行评价和讨论。实验结果发现，系统能较有效，快速的检索较大规模的图像数据库。(本文来源于《浙江大学》期刊2002-02-01）
陶跃华,孙茂松[10]（2001）在《搜索引擎中相关性反馈技术》一文中研究指出As an important component of search engines,the relevance feedback system is very effective for improving the performance of search engines.This paper firstly reviews the history of relevance feedback technology in the past 30 years,then introduces 2 major methods in relevance feedback,i.e.term reweighting and query expansion,and discusses the relevance feedback technologies based on vector space model and statistical ranking model.(本文来源于《情报理论与实践》期刊2001年04期）
相关性反馈论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对在热点话题追踪过程中容易发生话题漂移的问题,提出了基于相关性反馈的自适应热点话题追踪模型。为准确把握话题的动态演变过程,首先,在词频-逆向文档频率(term frequency—inverse document frequency,TF-IDF)的基础上引入了相关度因子。其次,构造了报道与话题的相关度计算公式和新特征词能否反馈加入到话题词汇库的判别函数。同时,利用了话题词汇库本身的特性,构造了自适应更新阈值和自适应相关阈值的动态计算方法。最后,根据各个特征词对该话题贡献度的大小,对更新后的词汇库中的各特征词动态赋予新权重。实验结果显示,和其它3类追踪器相比,该追踪器模型的漏报率平均降低0.018、误报率平均降低0.063,这表明,该追踪模型更适合于解决话题漂移问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
相关性反馈论文参考文献
[1].陈占龙,张丁文,谢忠,吴亮.利用多等级相关性反馈进行空间场景匹配[J].武汉大学学报(信息科学版).2018
[2].翟东海,鱼江,聂洪玉,崔静静,杜佳.基于相关性反馈的自适应热点话题追踪模型[J].山东大学学报(工学版).2014
[3].肖阳.用户信息检索中的相关性反馈模型研究[J].科技创新导报.2012
[4].冷彪.叁维模型检索的特征描述和相关性反馈算法的研究[D].清华大学.2009
[5].程娟.基于用户信息检索相关性反馈模型的研究[J].图书馆杂志.2008
[6].李燕,吕中华.基于内容的图形数据检索和相关性反馈[J].科技资讯.2007
[7].孙鑫.信息检索中相关性反馈用法研究[J].情报杂志.2005
[8].陶跃华,李竹芬.图像检索中相关性反馈模型研究[J].云南师范大学学报(自然科学版).2004
[9].张守武.基于颜色的具有相关性反馈的图像检索系统[D].浙江大学.2002
[10].陶跃华,孙茂松.搜索引擎中相关性反馈技术[J].情报理论与实践.2001
论文知识图
