基于径向基神经网络与强化学习的代理驱动语义标识符
神经与进化计算
2014-10-01 v1 人工智能
计算与语言
机器学习
多智能体系统
摘要
由于数字形式文档的巨大可用性，以及数字文档的本质及其传播方式所带来的欺骗可能性，作者归属问题的相关性不断增加。如今，作者归属在信息检索和分析方面，对于安全、信任和版权保护具有重要意义。本文提出了一种创新的多代理驱动机器学习技术，用于作者归属。通过对常用词汇进行词组预处理和基于时间周期的分析，我们确定了分析文本中词汇重现频率的偏差参考水平，然后训练一个基于径向基神经网络（Radial Basis Neural Networks, RBPNN）的分类器来识别正确的作者。所提出方法的主要优势在于语义分析的通用性，可应用于不同的语境和词汇领域，而无需任何修改。此外，所提出的系统能够纳入外部输入以调整分类器，并通过持续学习强化进行自我调整。
引用
@article{arxiv.1409.8484,
title = {An agent-driven semantical identifier using radial basis neural networks and reinforcement learning},
author = {Christian Napoli and Giuseppe Pappalardo and Emiliano Tramontana},
journal= {arXiv preprint arXiv:1409.8484},
year = {2014}
}
备注
Published on: Proceedings of the XV Workshop "Dagli Oggetti agli Agenti" (WOA 2014), Catania, Italy, Sepember. 25-26, 2014