• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2011 IEEE International Conference on Intelligence and Security Informatics >Boosting rank with predictable training error
【24h】

Boosting rank with predictable training error

机译：通过可预测的训练错误提高排名

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Listwise approach is an important method to solve practical Web search problem in learning to rank. In this paper, we first analyze the practical Web search problem and construct the model to solve it. Then we propose an algorithm called DiffRank which can apply boosting technology to learning to rank in listwise. Through theoretical analysis, we prove that the upper bound of training error can be reduced in our proposed algorithm. The experimental results further verify our theoretical analysis and demonstrate that our approach can better perform in practical Web search than other state-of-the-art listwise algorithms.
机译：列表式方法是解决实际学习中排名问题的重要方法。在本文中，我们首先分析了实际的Web搜索问题，并构建了解决该问题的模型。然后，我们提出了一种称为DiffRank的算法，该算法可以将Boosting技术应用于学习按列表排序。通过理论分析，我们证明了该算法可以减小训练误差的上限。实验结果进一步验证了我们的理论分析，并证明了与其他最新的列表式算法相比，我们的方法在实际的Web搜索中性能更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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