摘要:针对自然语言处理中查询主题漂移和词不匹配问题,提出基于CSC(Copulas-based Support and Confidence)框架的关联模式挖掘与规则扩展算法,并将基于统计学分析的关联模式与具有上下文语义信息的词向量融合,提出关联模式挖掘与词向量学习融合的伪相关反馈查询扩展模型.该模型对伪相关反馈文档集挖掘规则扩展词,对初检文档集进行词嵌入学习训练得到词向量,计算规则扩展词与原查询的向量相似度,提取向量相似度不低于阈值的规则扩展词作为最终扩展词.实验结果表明,所提扩展模型能有效地减少查询主题漂移和词不匹配问题,提高检索性能,与现有基于关联模式的和基于词向量的查询扩展方法比较,MAP(Mean Average Precision)平均增幅最大可达17.52%,对短查询更有效.所提挖掘方法可用于其他文本挖掘任务和推荐系统,以提高其性能.
摘要:区域聚焦照射(regional focusing irradiation)能将信号能量准确投送至指定区域,但阵列的超稀疏性使得副瓣区域能量较高,在实施精确电子战时极大增加了干扰系统遭受打击的风险,因此副瓣区域能量抑制问题必须加以解决.本文提出一种基于L∞范数评估栅瓣区域能量的方法,将其作为正则项引入区域聚焦照射模型以抑制副瓣区域最大能量,并建立了多目标优化模型.采用交替方向乘子(alternating direction method of multipliers)框架将原问题分解为两个子问题:对于恒模约束下二次规划子问题I,采用贪婪算法给出其闭式解;对于无约束L2‑L∞范数的子问题II,将L∞范数做近似光滑化处理,并通过梯度下降法求解.交替求解两个子问题至收敛,以求解发射信号.仿真实验表明,本文模型在副瓣区域能量抑制上较基于L1范数的区域聚焦照射模型具有更优性能,且本文算法实用性更强.