Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.11751

帮助 | 高级搜索

计算机科学 > 神经与进化计算

arXiv:2507.11751 (cs)
[提交于 2025年7月15日 ]

标题: 基于语义相似性的文档搜索的遗传和差分进化算法方法综述

标题: Survey of Genetic and Differential Evolutionary Algorithm Approaches to Search Documents Based On Semantic Similarity

Authors:Chandrashekar Muniyappa, Eunjin Kim
摘要: 在大量数据中识别相似文档是一个重大的挑战。 为了解决这个问题,研究人员开发了多种有效的分布式计算技术。 随着计算能力的提升和大数据的兴起,深度神经网络和进化计算算法,如遗传算法和差分进化算法,已经取得了更大的成功。 本综述将探讨基于语义文本相似性的文档搜索的最新进展,重点研究遗传和差分进化计算算法。
摘要: Identifying similar documents within extensive volumes of data poses a significant challenge. To tackle this issue, researchers have developed a variety of effective distributed computing techniques. With the advancement of computing power and the rise of big data, deep neural networks and evolutionary computing algorithms such as genetic algorithms and differential evolution algorithms have achieved greater success. This survey will explore the most recent advancements in the search for documents based on their semantic text similarity, focusing on genetic and differential evolutionary computing algorithms.
评论: CSAIDE '25:2025第四届网络空间安全、人工智能与数字经济国际会议论文集
主题: 神经与进化计算 (cs.NE) ; 人工智能 (cs.AI)
MSC 类: 68-68W50
引用方式: arXiv:2507.11751 [cs.NE]
  (或者 arXiv:2507.11751v1 [cs.NE] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.11751
通过 DataCite 发表的 arXiv DOI(待注册)
相关 DOI: https://doi.org/10.1145/3729706.3729790
链接到相关资源的 DOI

提交历史

来自: Chandrashekar Muniyappa Mr [查看电子邮件]
[v1] 星期二, 2025 年 7 月 15 日 21:30:16 UTC (557 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.NE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号