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