作者:李金忠; 刘关俊排序学习排序模型鲁棒性偏差方差lambdamart算法
摘要:鲁棒性在排序学习中显得越来越重要,而现有排序学习算法多数仅关注改进排序模型的有效性,往往忽略了排序模型的鲁棒性.为了增强排序模型的鲁棒性,在训练排序模型的过程中可同时考虑其有效性和鲁棒性.从一个新颖的视角,即偏差。方差均衡.研究了如何优化LambdaMART排序学习的有效性和鲁棒性均衡.将偏差和方差融合为一个统一的目标函数以修改LambdaMART算法中的梯度,并证明了修改后的梯度仍可采用LambdaMART算法去优化以训练排序模型.最后,在排序学习数据集上的实验结果表明,基于偏差一方差均衡思想所修改梯度后的LambdaMART算法具有更强的鲁棒性.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社