首页> 中文会议>第六届全国信息检索学术会议 >基于改进Pairwise损失函数的排序学习方法

基于改进Pairwise损失函数的排序学习方法

摘要

排序学习是当前机器学习与信息检索交叉领域的研究热点。它利用机器学习方法自动地构造排序模型,用于排序新的数据。Pairwise方法是一类重要的排序学习方法,它以偏序文档对作为训练样例,通过判断不同文档与查询的相关性大小关系来为文档排序。由于pairwise 方法不考虑单个文档的相关性大小,若对文档对内两个文档的相关性均预测错误,则会导致连锁反应并影响最终排序性能;为解决该问题,本文分别基于单层神经网络和双层神经网络的RankNet算法,加入pointwise损失函数进行优化,并分别使用梯度下降算法和反向传播算法训练网络权重值,得到排序模型。在OHSUMED数据集上的实验结果表明,加入pointwise损失函数有助于改善pairwise方法的排序性能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号