作者：龚安; 孙辉; 乔杰排序学习损失函数融合listwise梯度下降
摘要：排序学习是指运用机器学习方法，自主地构建排序模型，用来对新的数据进行排序。在所有的排序方法中，Listwise方法就是其中一类重要的排序学习方法，它的训练样例由文档列表组成，利用神经网络模型和概率模型来构造损失函数。但是由于Listwise算法存在时间复杂度高、排序位置信息利用度低等缺点，一直得不到广泛的推广。对此，文中在SHF-SDCG框架的基础上提出了一种新的排序学习算法，采用多层神经网络的ListNet算法，引入Pointwise损失函数和位置加权因子，与Listwise损失函数融合构建新的损失函数，并分别使用梯度下降算法和多层神经网络算法训练网络权值，得到新的排序模型；同时使用效率高的Top-k训练方法，降低时间复杂度。最后在数据集LETOR4.0上进行实验，结果表明新算法排序性能明显提高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
