Предложение по решению задачи индексирования больших массивов информации. Особенности применения нейронной сети для точного ранжирования документов, имеющих шанс оказаться на высоких местах в выдаче по результатам более грубой оценки их релевантности.
Аннотация к работе
СИНТЕЗ ПАРАМЕТРОВ НЕЙРОННОЙ СЕТИ ХОПФИЛДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ РАНЖИРОВАНИЯ В ИНФОРМАЦИОННО-ПОИСКОВЫХ СИСТЕМАХ Задача индексирования больших массивов информации предъявляет высокие требования по производительности к ИПС. Таким образом применение нейронной сети позволяет распараллелить задачу, то есть позволяют выполнять ресурсоемкие операции точного ранжирования для документов, имеющих шанс оказаться на достаточно высоких местах в выдаче по результатам более грубой оценки их релевантности. Thus application of a neural network allows to parallelize a problem, that is allow to carry out resource-intensive operations of exact ranging for the documents having chance to appear on enough high places in delivery by results of more rough estimate of their relevance.В таких условиях ранжирование носит характер всеобщего проблемного императива, при этом основными проблемами развития научных основ архитектурных принципов ИПС являются недостаточная теоретическая проработка применяемых на практике подходов, сравнительно невысокий уровень использования развитых математических механизмов, отставание теоретических разработок от быстро меняющихся поисковых потребностей пользователей компьютерных сетей. В нашем случае высокие требования по производительности к ИПС обеспечиваются нейросетевым вычислительным базисом, позволяющим распараллеливать задачу, то есть позволяющим выполнять ресурсоемкие операции точного ранжирования для документов, имеющих шанс оказаться на достаточно высоких местах в выдаче по результатам более грубой оценки их релевантности. Рассмотрим нейросетевую интерпретацию задачи ранжирования по множеству критериев как задачи о назначениях, при условии сведения задачи о назначениях к стандартной форме (число групп критериев равно числу ранжируемых документов). За основу модели ранжирования может быть взята нейронная сеть (рисунок 1), содержащая обратные связи, по которым переданное возбуждение возвращается к нейронам, и они повторно выполняют свои функции [1-4]. Первое слагаемое принимает минимальное и равное нулю значение лишь в том случае, если каждая строка матрицы {uij} содержит не более одной единицы, второе слагаемое принимает минимальное нулевое значение, если каждый столбец данной матрицы содержит не более одной единицы, наконец, третье слагаемое принимает минимальное нулевое значение, если во всей матрице {uij} содержится ровно n единиц.