[发明专利]一种基于马尔可夫决策过程和k-最近邻强化学习的排序方法有效
| 申请号： | 201811570937.7 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109783709B | 公开（公告）日： | 2023-03-28 |
| 发明（设计）人： | 丁家满;官蕊;贾连印;游进国;姜瑛 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F16/93 | 分类号： | G06F16/93;G06F18/2413;G06N7/01 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于马尔可夫决策过程和k‑最近邻强化学习的排序方法，属于信息检索领域。本发明基于马尔可夫决策过程模型框架，提出了一种应用k‑最近邻的文档排序方法，方法大大提高了的排序准确率；同时，智能化的为用户提供高相关性和多样性的文档搜索结果，节省用户的文档搜索时间，通过高效的文档排序更快更准确的使用户检索到符合其查询的文档。 | ||
| 搜索关键词： | 一种 基于 马尔可夫 决策 过程 近邻 强化 学习 排序 方法 | ||
【主权项】：
1.一种基于马尔可夫决策过程和k‑最近邻强化学习的排序方法，其特征在于：(1)将原始数据文件平均分成5个组，每组对应一个子数据集，对这些数据集中的各个数据项进行预处理，生成候选数据集；(2)读取步骤(1)所述的候选数据集，设定算法的输入参数包括学习率η，折扣因子γ，奖励函数R，随机初始化学习参数w，中间参数Δw初始化为0；(3)读取步骤(2)所述的参数，完成取样序列E，返回一个序列E；(4)计算步骤(2)所述的取样序列E的长期累积折扣奖励；(5)计算在时间步t参数w的梯度，并计算更新中间参数Δw；(6)重复步骤(3)到(5)，计算更新参数w，直至参数收敛，程序结束。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811570937.7/，转载请声明来源钻瓜专利网。
- 上一篇：数据处理方法、装置以及计算机可读介质
- 下一篇：一种文档显示方法及终端设备
