APP下载

信息检索中基于智能优化算法的数据融合方法

2017-12-02夏劲松

软件导刊 2017年11期

夏劲松

摘要:如何利用网络技术手段,帮助用户从互联网海量信息中迅速准确地获取用户所需信息是信息检索领域的首要问题。数据融合技术能够将不同检索系统提交的检索结果进行组合从而得到一个新的检索结果。对数据融合技术中的线性组合法进行研究,着重探讨如何采用智能优化算法解决线性组合法的权重分配问题,分析基于差分进化算法和基于粒子群算法的权重分配策略,在上述两种优化算法的基础上,提出一种新的线性组合法权重分配策略:基于自适应交替的粒子群差分进化优化算法权重分配策略。

关键词关键词:数据融合;线性组合法;权重分配;差分进化算法;粒子群算法

DOIDOI:10.11907/rjdk.171793

中图分类号:TP391

文献标识码:A文章编号文章编号:16727800(2017)011020204

0引言

从已有研究中可以得知,数据融合方法能够有效提升检索性能[13]。根据对成员系统处理方式不同,数据融合方法可分为两类:同等处理方法和差别处理方法[4]。第一种方法是用相同的标准去处理每一个成员系统的检索结果,如CombSUM和CombMNZ方法;第二种方法会根据成员检索系统具体特征采用某种方式给其加权,如线性组合法(Linear Combination,LC)。因此,从现行组合法对成员系统的处理方式可以得知,优化权重分配策略是提升线性组合法融合性能的关键。线性组合法的成员系统权重分配属于全局优化问题,而全局优化问题一般都会存在非线性、复杂性、多极值性及约束性等问题。因此,本文使用差分进化算法、粒子群算法以及自适应交替的差分进化粒子群优化算法等智能优化算法,为线性组合方法训练权重以提高融合性能。……

登录APP查看全文