mARC：基于关联与上下文强化的记忆
信息检索
2013-12-11 v1 计算与语言
适应与自组织系统
混沌动力学
摘要
本文介绍了基于关联与上下文强化的记忆 (mARC)。mARC 是一种植根于量子力学二次量子化表述的新型数据建模技术。它是一种通用的增量式无监督数据存储与检索系统，可应用于所有类型的信号或数据，无论其是结构化还是非结构化、文本还是非文本。mARC 可应用于广泛的信息分类与检索问题，如电子发现 (e-Discovery) 或上下文导航。它也可以在人工生命框架（即 Conway 的“生命游戏”理论）中进行表述。与 Conway 的方法相比，mARC 中的对象在大规模多维空间中演化。为了开始评估 mARC 的潜力，我们构建了一个具有上下文功能的基于 mARC 的互联网搜索引擎演示系统。我们在性能和相关性方面比较了 mARC 演示系统与 Google 搜索的行为。研究发现，mARC 搜索引擎演示系统的响应时间比 Google 搜索快一个数量级，同时为某些类别的查询提供了更相关的结果。
引用
@article{arxiv.1312.2844,
title = {mARC: Memory by Association and Reinforcement of Contexts},
author = {Norbert Rimoux and Patrice Descourt},
journal= {arXiv preprint arXiv:1312.2844},
year = {2013}
}