面向网络大数据的信息检索与挖掘

作者： 郭嘉丰 ¹ 程学旗 ¹
作者单位：

1. 中国科学院计算技术研究所网络数据科学与工程研究中心
提交时间：2017-03-10 10:16:03

摘要: 随着网络数据的爆炸性增长，信息处理技术面临着前所未有的巨大挑战。如何从体量巨大、增长迅速、结构复杂、良莠不齐的数据中发掘潜在价值成为了关键难题。面向网络大数据的信息检索与挖掘技术，旨在通过对大数据的深度分析与建模，有效弥合用户需求与网络数据之间的信息鸿沟。本文介绍了面向网络大数据的深度检索与挖掘的一系列关键技术，包括用户查询理解与处理、文档建模与理解及检索模型等。

信息检索数据挖掘查询理解话题模型排序学习

分类： 计算机科学 >> 计算机网络
引用： ChinaXiv:201703.00231 (或此版本 ChinaXiv:201703.00231V1)
DOI:10.12074/201703.00231V1
CSTR:32003.36.ChinaXiv.201703.00231.V1
推荐引用方式： 郭嘉丰,程学旗.(2017).面向网络大数据的信息检索与挖掘.中国科学院科技论文预发布平台.[ChinaXiv:201703.00231] (点此复制)

版本历史

[V1]

2017-03-10 10:16:03

ChinaXiv:201703.00231V1

下载全文

相关论文推荐

1. Turing’s thinking machine and ’t Hooft’s principle of superposition of states	2024-05-14
2. 恶意代码SCMP分类方法框架与风险行为多标签机制	2024-05-09
3. Guiding Large Language Models to Generate Computer-Parsable Content	2024-04-23
4. SteganoDDPM: A high-quality image steganography self-learning method using diffusion model	2024-04-23
5. 引导大语言模型生成计算机可解析内容	2024-04-21
6. 基于大语言模型的中英文整合复杂性建模研究	2024-04-10
7. 大模型与标准文献知识库的融合应用探索	2024-04-10
8. 简体中文LIWC2024(SCLIWC2024)词典的修订与验证	2024-04-09
9. Multimodal Physical Fitness Monitoring (PFM) Framework Based on TimeMAE-PFM in Wearable Scenarios	2024-04-07
10. 引导大语言模型生成计算机可解析内容	2024-04-07


公开评论匿名评论仅发给作者