开发工具:
文件大小: 461kb
下载次数: 0
上传时间: 2021-03-01
详细说明：从由两者的组合组成的混合模型中分离出两种概率分布对于广泛的应用来说是必不可少的。 例如，在信息检索（IR）中，通常存在一种混合分布，包括我们需要估计的相关性分布和我们希望摆脱的不相关性分布。 最近，有人提出了一种分布分离方法（DSM），通过从混合物分布中分离出种子的不相关性分布来近似相关性分布。 它已成功应用于IR任务，即伪相关反馈（PRF），其中查询扩展模型通常是混合项分布。 尽管DSM最初是在IR的背景下开发的，但确实是概率分布分离的通用数学公式。 因此，重要的是进一步概括其基本分析，并探索其与其他相关方法的联系。 在本文中，我们首先将最初基于Pearson相关系数的DSM的理论分析扩展到与熵相关的度量，包括KL散度（Kullback-Leibler散度），对称的KL散度和JS散度（詹森·香农（Jensen-Shannon）分歧）。 其次，我们采用一种众所周知的方法，即混合模型反馈（MMF）方法，研究了分布分离的思想。 我们证明MMF也符合线性组合假设，然后，DSM的线性分离算法可以大大简化MMF中的EM算法。 这些理论分析以及进一步的经验评估结果证明了我们的DSM方法的优势。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
