信息检索的神经网络模型

    用于信息检索的神经网络可以用图3—l来描述。从图中可以看r1神经网络模型被描绘成一个3层结构：第1层为用户提问词语节点；第2层为文档词语节点原3层为文档节点。图中的每一个节点表示一个处理单元(相当于神经元)，节点间的连线起到神经元突触的作用，而连线的权值则用来模拟神经元的连接强度。在每一个时刻每个节点的状态由激活水平来定义，它应该是初始状态和所接受到信号的一个函数。

    信息检索处理过程首先由第l层的提问词语节点启动，提问词语节点Ao、A6和Af分别向对应的第2层文档词语节点发出信息紧跟着文档词语节点AR、A6和Af又产生信息并向第3层的相关文档节点传送。至此第1阶段的信号传递完成，但神经网络模型的作用过程并没有停止。图中第2层节点和第3层节点之间是双向连接，文档节点会在收到文档词语节点发送的信号后产生新的信号并返回到文档词语节点，而且这种相互作用的信号传递过程将会重复进行直到信号不断衰减而终止。在这样的信号交互过程中，很显然，一个不合有任何检索提问词的文档也有可能被激活并11现在检索结果列表中。神经网络模型的这种检索效果如同系统中内嵌着一个主题词表。很显然，这时各文档节点的激活水平值正是经典向量空间模型的检索处理结果。指定一个激活水平阂值，并规定：凡低于该阂值的文档节点不再参与下一轮次的信号的传递，只有高于阂值的文档节点才能够继续后面的信号传递。经过若干轮次的信号传递后，一些文档节点的最终激活水平值如果符合检索阂值的要求，便可以把这些文档的内容以降序方式输出。

   神经网络模型后续轮次的信号传播与交互过程，非常类似于用户的相关反馈循环，其中涉及的技术细节，这里不再介绍，有兴趣的读者可以参阅相关的参考资料。

   神经网络应用于信息检索只是该模型的一个具体应用领域。目前对于大规模文档的集合，运用神经网络模型能否取得良好的检索性能，还有待于验证及相关试验数据的支持。不过，作为一类数学模型，神经网络已经在非常广泛的领域获得了惊人的成功应用。例如，手写体邮政编码判读、自动驾驶、组合优化、自动分类、生物神经活动过程模拟等。
文章来源：http://0773cy.com

神奇的网络

还有神经!?实在高端呀