《適於移動設備的機器學習技術研究》是依託南京大學，由詹德川擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：適於移動設備的機器學習技術研究
- 項目類別：青年科學基金項目
- 項目負責人：詹德川
- 依託單位：南京大學
項目摘要,結題摘要,
項目摘要
本項目將針對機器學習技術用於在移動設備上進行基於內容的信息檢索所面臨的四個問題進行研究：首先，移動設備僅提供有限資源，而傳統的監督特徵抽取技術開銷大，如何在標記樣本極少時高效地為不同樣本提取不同特徵用於檢索？其次，用戶需要系統能夠對其提交的查詢作出準實時的反應，而利用傳統的學習方法對大規模數據進行檢索時往往消耗大量的時間，如何提高學習的效率，對用戶的查詢作出快速的反應？第三，移動信息檢索中不同用戶有著各自的偏好，而傳統學習技術忽略了其對檢索結果的影響，如何在學習方法中考慮用戶偏好，同時考慮移動計算環境的局限性，實現用戶自適應？第四，用戶的需求會隨著時間推移而發生變化，而目前學習技術大多數針對固定概念進行學習，如何在有限資源情況下，針對隨時間遷移的概念進行學習？本項目將為上述問題提供解決方案並研製原型系統，發表國際期刊/會議和國內一級學報論文5-8篇，申請專利1-2項，培養2名研究生。
結題摘要
本項目開展三年以來，對機器學習技術用於在移動上進行基於內容的信息檢索所面臨的有限資源情況下特徵抽取、準實時查詢、用戶自適應學習和概念遷移學習等四個問題分別進行了深入研究。1. 針對有限資源下特徵抽取問題，提出了一種利用少量標記樣本、根據樣本對特性進行距離度量學習和特徵抽取的學習方法，並提出了一種利用抽取代價小的弱模態特徵進行學習的序列化特徵使用方法，相關工作分別發表在重要國際期刊《ACM Trans. KDD》、頂級國際期刊《IEEE Trans. IFS》(CCF A類)和重要國際會議IScIDE'12上；2. 針對準實時查詢問題提出了一種新型選擇性集成方法，縮減了模型複雜度，能用於提升準實時查詢效率，相關工作發表在多分類器領域重要國際會議MCS’13；3. 針對用戶自適應學習問題提出一種能夠整合多種額外的用戶、場景信息的圖模型，並給出有效學習方法，能夠對多模態信息加以利用。相關工作發表在頂級國際會議IJCAI’13(CCF A類)上；4. 針對概念遷移問題，提出了一種概念遷移情境下的多示例學習方法，相關工作發表在頂級國際會議AAAI’14(CCF A類)上。 本項目共發表論文14篇，其中在包括《IEEE Trans. IFS》(CCF A類)、《ACM Trans. KDD》等在內的頂級國際期刊上發表論文5篇；在包括IJCAI’13(CCF A類)、AAAI’14(CCF A類)等頂級國際會議上發表論文9篇；已發表論文SCI收錄4篇，EI收錄13篇。圍繞核心技術，項目申請專利1項。研製對場景進行自動多標記標註的移動套用原型系統1個，可以用於基於內容的圖像信息查詢。 以該項目為支撐，課題組培養8名研究生，其中4名已畢業；培養山東大學計算機學院訪問博士研究生1名。截至目前，項目已經完成預期任務，達到結題指標。
