Алгоритм Роккио - Википедия - Rocchio algorithm

В Алгоритм Роккио основан на методе обратная связь по релевантности нашел в поиск информации системы, которые возникли из Система поиска информации SMART который был разработан в 1960-1964 гг. Как и многие другие поисковые системы, подход с обратной связью Роккио был разработан с использованием Векторная модель пространства. В алгоритм основан на предположении, что большинство пользователей имеют общее представление о том, какие документы следует обозначать как соответствующий или нерелевантно.^[1] Поэтому поисковый запрос пользователя изменен, чтобы включить произвольный процент релевантных и нерелевантных документов в качестве средства увеличения поисковый движок с отзывать, и, возможно, точность. Количество релевантных и нерелевантных документов, разрешенных для ввода запрос продиктовано весами переменных a, b, c, перечисленных ниже в Раздел алгоритмов.^[1]

Алгоритм

В формула и определения переменных для обратной связи по релевантности Роккио:^[1]

${ displaystyle { overrightarrow {Q_ {m}}} = { bigl (} a cdot { overrightarrow {Q_ {o}}} { bigr)} + { biggl (} b cdot { tfrac { 1} {| D_ {r} |}} cdot sum _ {{ overrightarrow {D_ {j}}} in D_ {r}} { overrightarrow {D_ {j}}} { biggr)} - { biggl (} c cdot { tfrac {1} {| D_ {nr} |}} cdot sum _ {{ overrightarrow {D_ {k}}} in D_ {nr}} { overrightarrow { D_ {k}}} { biggr)}}$

Переменная	Ценить
${ displaystyle { overrightarrow {Q_ {m}}}}$	Измененный вектор запроса
${ displaystyle { overrightarrow {Q_ {o}}}}$	Исходный вектор запроса
${ displaystyle { overrightarrow {D_ {j}}}}$	Связанный документ вектор
${ displaystyle { overrightarrow {D_ {k}}}}$	Вектор несвязанного документа
${ displaystyle a}$	Исходный вес запроса
${ displaystyle b}$	Связанные документы Вес
${ displaystyle c}$	Вес не связанных документов
${ displaystyle D_ {r}}$	Комплект сопутствующих документов
${ displaystyle D_ {nr}}$	Комплект не связанных документов

Как показано в формуле, соответствующие веса (а, б, c) отвечают за формирование измененных вектор в направлении ближе или дальше от исходного запроса, связанных документов и не связанных документов. В частности, значения для б и c должны увеличиваться или уменьшаться пропорционально набору документов, классифицированных пользователем. Если пользователь решает, что измененный запрос не должен содержать термины из исходного запроса, связанных документов или не связанных документов, то соответствующий вес (а, б, c) для категории должно быть установлено значение 0.

В более поздней части алгоритма переменные ${ displaystyle D_ {r}}$ , и ${ displaystyle D_ {nr}}$ представлены как наборы векторов содержащие координаты связанных документов и не связанных документов. Хотя ${ displaystyle D_ {r}}$ и ${ displaystyle D_ {nr}}$ сами не векторы, ${ displaystyle { overrightarrow {Dj}}}$ и ${ displaystyle { overrightarrow {Dk}}}$ - векторы, используемые для перебора двух наборов и формирования вектора подведения итогов. Эти суммы нормализуются (делятся) на размер соответствующего набора документов ( ${ displaystyle D_ {r}}$ , ${ displaystyle D_ {nr}}$ ).

Чтобы наглядно представить изменения, происходящие в модифицированном векторе, см. Изображение ниже.^[1] По мере увеличения или уменьшения веса для определенной категории документов координаты измененного вектора начинают перемещаться либо ближе, либо дальше от документа. центроид коллекции документов. Таким образом, если вес для связанных документов увеличивается, то измененные векторы координаты будет отражать близость к центроиду связанных документов.

Сложность времени

Переменная	Ценить
${ Displaystyle mathbb {D}}$	Набор документов с этикетками
${ displaystyle L_ {ave}}$	Среднее количество токенов на документ
${ Displaystyle mathbb {C}}$	Набор классов
${ displaystyle V}$	Словарь / Набор терминов
${ displaystyle L_ {a}}$	Количество токенов в документе
${ displaystyle M_ {a}}$	Количество типов в документе

В временная сложность для обучения и тестирования алгоритмы перечислены ниже и сопровождаются определением каждого Переменная. Обратите внимание, что на этапе тестирования временная сложность может быть уменьшена до вычисления Евклидово расстояние между классом центроид и соответствующий документ. Как показано: ${ Displaystyle Theta ( vert mathbb {C} vert M_ {a})}$ .

Обучение = ${ displaystyle Theta ( vert mathbb {D} vert L_ {ave} + vert mathbb {C} vert vert V vert)}$
Тестирование = ${ Displaystyle Theta (L_ {a} + vert mathbb {C} vert M_ {a}) = Theta ( vert mathbb {C} vert M_ {a})}$ ^[1]

использование

Классификация Роккио

Хотя есть преимущества в оценке документов как нерелевантных, соответствующий ранжирование документов приведет к тому, что пользователю будут доступны более точные документы. Поэтому традиционные значения весов алгоритма (а, б, c) в Классификация Роккио обычно вокруг а = 1, б = 0,8, и с = 0,1. Современное поиск информации системы перешли к удалению не связанных документов, установив с = 0 Таким образом, ведется учет только сопутствующих документов. Хотя не все поисковые системы устранили необходимость в несвязанных документах, большинство из них ограничили влияние на измененный запрос, учитывая только самые сильные несвязанные документы в Dnr набор.

Ограничения

Алгоритм Роккио часто не может классифицировать мультимодальные классы и отношения. Например, страна Бирма был переименован в Мьянма в 1989 году. Таким образом, два запроса "Бирма" и "Мьянма" появятся гораздо дальше друг от друга в векторная космическая модель, хотя оба они имеют схожее происхождение.^[1]

Смотрите также

Классификатор ближайшего центроида, он же классификатор Роккио

Алгоритм Роккио - Википедия - Rocchio algorithm

Содержание