MBR 的組成元素是什麼？

MBR 的各個組成元素如下：

選擇訓練集 - 訓練集包含 49,652 條新聞報道，由新聞檢索服務提供支援。這些報道來自大約三個月的新聞，以及近 100 個不同的來源。

每篇報道平均包含 2,700 個單詞，併為其建立了八個程式碼。訓練集並非專門建立的，因此訓練集中程式碼的頻率差異很大，這模擬了新聞報道中程式碼的整體頻率。

選擇距離函式 - 下一步是選擇距離函式。在此方法中，存在一個距離函式，它依賴於一個稱為相關反饋的概念，該概念根據兩個檔案包含的單詞來計算它們的相似性。相關反饋（在側邊欄中更全面地定義）旨在返回與給定文件相似的檔案，作為改進搜尋的一種方法。相同的文件是 MBR 使用的鄰居。

選擇組合函式 - 下一個決定是組合函式。將分類程式碼建立到新聞報道中與大多數分類問題不同。一些分類問題正在尋找最佳解決方案。但是新聞報道可以有多個程式碼，即使來自相同的元素。MBR 能夠適應這個問題突出了它的靈活性。

組合函式需要加權求和方法。因為最大距離是 1，所以權重很容易是一減去距離，因此對於距離較小的鄰居，權重可以較大，而對於距離較大的鄰居，權重可以較小。

選擇鄰居數量 - 該研究在 1 到 11（含）之間改變了最近鄰的數量。使用更多鄰居可以得到最佳結果。但是，本案例研究與 MBR 的幾種應用不同，因為它為每個故事建立多個類別。通常的問題是隻建立一個單獨的類別或程式碼，而較少的鄰居對於獲得最佳結果就足夠了。

為了計算 MBR 在編碼方面的有效性，新聞服務有一個編輯委員會審查了一些分配的程式碼（無論是編輯還是 MBR 分配的），共 200 篇報道。小組大多數成員同意的某些程式碼被視為“正確”的。

將“正確”程式碼與人類編輯最初建立的程式碼進行比較很有趣。最初為報道建立的程式碼（由人類）中有 88% 是正確的，但人工編輯也犯了錯誤。

Ginni

更新於：2022 年 2 月 15 日

374 次瀏覽

開啟你的職業生涯

完成課程獲得認證

開始學習