2013-07-18 星期四 天气晴
1. IR:chapter12:基于语言建模的信息检索模型
看这章的主要目的是熟悉一下,传统的文档检索是基于向量空间模型,其中的权重计算方式为tf-idf:idf(t)用于表示词项t区分文档的能力,如果t出现在大多数文档集中,idf(t)就会很小,说明区分文档的能力就弱,反之则强;
这里基于语言建模,并不是以相关性计算为目标,将每一篇文档看做一门"语言",如果讨论ML的思路的话,查询q为特征向量X,文档d为类标号y,首先对文档建模得到文档概率语言模型,即认为生成文档的事件是一个多项实验,每一次实验有M个结果,每一个结果有一个概率,那么文档生成~多项式分布,其中采用的语言模型为一元语言模型(unigram language model), 词的多项式分布, 一元模型即为 多项式模型,这样P(d)就求出了....
查询似然模型:p(d|q) = p(q|d) * p(d) / p(q); 其中p(q)对于所有文档来讲是一样的, p(d)实际中也是认为是均匀分布的,剩下的核心问题是怎样计算P(q|d)就是说在文档语言模型下,如何计算模型生成查询的概率,
查询生成概率的估计:采用最大似然估计(MLE),p(q|Md) = ∏ p(t|Md) = ∏ tf(t) / Ld; 其中要注意两个问题:参数估计的稀疏性问题,即词项在文档中的出现非常稀疏。采用的办法就是平滑方法,可以采用线性插值LM 和 将全部文档集中获得的语言模型看成贝叶斯更新过程...
总结:提供了全新的视角来进行查询检索,使用生成模型先对文档建模,其实在主题发现时,也是对词项-文档生成过程进行建模的,只不过文档与词项之间隐藏着一层主题(语义),它是隐含变量,需要用多项式或者dirichlet分布,或者GaP刻画出来,只是topic model问题....
2. 计算广告:搜索广告中查询扩展
三种方法:基于推荐的方法;基于主题的方法;基于数据的方法;、
2013-07-19 星期五 天气晴
1. 计算广告:方兴未艾的计算广告学
寻找paper方向,增量学习,解决的是实时产生的数据流动态特征的拟合问题,即让模型很好的识别用户,提高定向的精准性..
2. 计算广告:搜索引擎之广告原理:百度文库视频
机器学习以及推广,其中CTR预估模型中主要的工作是特征设计,需要给予很多的规则,最后用于训练模型的规模达到1000亿样本*100亿级别的特征,保证细粒度和精准性...
3. 计算广告:搜索引擎之广告原理:百度文库视频
广告投放机制