Rank教程: 07-Learning to Rank Pointwise
欢迎转载,作者:Ling,注明出处:Rank教程: 07-Learning to Rank Pointwise
本文不打算详细介绍每个算法,具体算法细节可以看Paper,但是本文会大致给出算法的核心思想。实际上所有算法都可以对应到机器学习的基础算法中。
单文档方法(PointWise Approach):
定义:
简单说就是一个查询q和一个文档o可以得到输入特征x,以及输出label y,用机器学习方法学习模型,当给定q和o时,我们得到相应输入特征x,输入给模型,得到结果y,然后根据结果y进行排序,这就是PointWise方法。实际上就是把Rank问题转化成了分类问题。
形式化:
主要方法:
- Prank
- OC SVM
- McRank
- Subset Rank
Prank:
提出者:
Crammer & Singer
原理简述:
简单说就是利用了机器学习中感知机解决多分类问题
图示:
算法:
OC SVM: Ordinal Classification SVM
提出者:
Shashua & Levin
原理简述:
简单说就是利用了机器学习中SVM解决多分类问题
图示:
算法:
McRank:
提出者:
Li et al.
原理简述:
简单说就是利用了Gradient Boosting Tree解决多分类问题。
McRank:
提出者:
Cossock & Zhang
原理简述:
简单说就是将Rank转化为回归问题, 并且提出了DCG这个指标。
留言