用于监督式排序学习的 ARSM 梯度估计器
机器学习
2020-02-19 v2 机器学习
摘要
我们提出了一种用于监督式排序学习的新模型。在我们的模型中，相关性标签被假设服从类别分布，其概率基于打分函数构造。我们使用无偏且低方差的梯度估计器针对多元类别变量优化训练目标。排序学习方法通常可分为逐点、成对与列表式方法。尽管我们的打分函数是逐点的，所提框架允许在损失函数选择上的灵活性。在我们的新模型中，损失函数不必可微，且可以是逐点或列表式的。与现有成对与列表式方法相比，我们所提方法在两个数据集上取得了更优或相当的结果。
引用
@article{arxiv.1911.00465,
title = {ARSM Gradient Estimator for Supervised Learning to Rank},
author = {Siamak Zamani Dadaneh and Shahin Boluki and Mingyuan Zhou and Xiaoning Qian},
journal= {arXiv preprint arXiv:1911.00465},
year = {2020}
}
备注
To appear in ICASSP 2020