Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/12395
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Осинин Илья Петрович | ru_RU |
dc.contributor.author | Мартынов Родион Сергеевич | ru_RU |
dc.contributor.author | Martynov Rodion | en_GB |
dc.contributor.editor | Добрынин Владимир Юрьевич | ru_RU |
dc.contributor.editor | Dobrynin Vladimir Iurevich | en_GB |
dc.date.accessioned | 2018-07-26T15:17:52Z | - |
dc.date.available | 2018-07-26T15:17:52Z | - |
dc.date.issued | 2018 | - |
dc.identifier.other | 019957 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/12395 | - |
dc.description.abstract | В данной работе рассматривается современный подход к задаче обучения ранжированию в онлайн режиме с использованием кликов как основной обратной связи от пользователей. Проводится подробный обзор текущего лучшего результата, основанного на алгоритме многорукого бандита и на основании его анализа предлагается новый подход - оптимизация поисковой выдачи с использованием генетического алгоритма. Для нового подхода приведена подробная теоретическая база и выдвинуты гипотезы о его качестве относительно существующих подходов. Для проверки гипотез проведен численный эксперимент на открытых данных, показывающий, что предложенный подход действительно значительно улучшает качество ранжирования в онлайн-режиме. | ru_RU |
dc.description.abstract | This thesis presents a modern approach to online learning to rank task with clicks as the main feedback from users of search engine. First, general overview of state of the art algorithm, dueling bandit gradient descent and its modifications, is present and on that basis a new approach is formulated - search engine optimization using genetic algorithm. This new approach is described in details and main hypotheses about it performance compared to existing methods are formulated. To check if the hypotheses are valid, a learning experiment on open data is conducted. The results of the experiment shows significant improvement of online ranking quality. | en_GB |
dc.language.iso | ru | - |
dc.subject | ранжирование | ru_RU |
dc.subject | информационный поиск | ru_RU |
dc.subject | онлайн-обучение | ru_RU |
dc.subject | генетический алгоритм | ru_RU |
dc.subject | ranking | en_GB |
dc.subject | information retrieval | en_GB |
dc.subject | online-learning | en_GB |
dc.subject | genetic algorithm | en_GB |
dc.title | Search engine optimization using online learning algorithms | en_GB |
dc.title.alternative | Оптимизация поисковой выдачи с использованием алгоритмов онлайн-обучения | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Martynov_vkr_final.pdf | Article | 531,41 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Recenziya.pdf | ReviewRev | 425,7 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_stt07782_Osinin_Ilya_Petrovich_(reviewer)(En).txt | ReviewRev | 2,26 kB | Text | Просмотреть/Открыть |
reviewSV_stt07782_Osinin_Ilya_Petrovich_(reviewer)(Ru).txt | ReviewRev | 4,24 kB | Text | Просмотреть/Открыть |
reviewSV_st006729_Dobrynin_Vladimir_YUrevich_(supervisor)(Ru).txt | ReviewSV | 10,74 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.