基于增量学习和阈值优化的自适应信息过滤研究 (2006年)

为了适应实时在线的网络信息过滤需求，提出了一种新的自适应过滤模型。在系统的初始化阶段，运用增量学习方法对附加的少量伪相关文档进行学习，采用改进的文档词频方法来抽取特征词，以此扩展需求模板，提高模板准确度。在系统测试阶段，以系统效能指标最优为目标，提出了将概率模型和文档正例分布统计方法相结合来实现阈值优化的新算法。