Skip to content
Hot eventLive

JevForest：预算约束下的路径投票特征获取方法

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，arXiv 统计学机器学习栏目发布论文，提出 JevForest 方法。该方法用于预算约束下的特征获取，核心思路是聚合自助法树路径提议，并按全局训练信息增益进行加权；在线实现中通过查询 Jev 获取语义答案。论文在两个数据集上给出实验结果：AG News（n=48）上，四问森林获取准确率为 0.729，优于静态增益排序的 0.667 与随机排序的 0.583；TREC（n=24）上排序反转，森林准确率为 0.667，低于静态增益排序的 0.750 与随机排序的 0.833。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 论文提出 JevForest，AG News 上优于基线，TREC 上排序反转。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Statistics Machine Learning
    JevForest：预算化特征获取中的路径投票方法

    论文提出 JevForest，一种聚合自助法树路径提议并按全局训练信息增益加权的特征获取策略，在线实现中通过查询 Jev 获取语义答案。在 AG News（n=48）上四问森林获取准确率为 0.729，优于静态增益排序 0.667 与随机排序 0.583；TREC（n=24）上排序反转，森林准确率 0.667，低于 0.750 与 0.833。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.