基于深度神经网络的淘汰式选择
机器学习
2016-02-18 v1 信息检索
机器学习
摘要
我们提出 Neural Choice by Elimination（神经淘汰式选择），一种将深度神经网络集成到概率序列选择模型中以进行学习排序的新框架。给定一组待选项，淘汰策略从整个项集开始，迭代地消除剩余子集中最不值得的项。我们证明淘汰式选择等价于对随机 Gompertz 潜在效用的边缘化。与该选择模型相结合的是最近提出的 Neural Highway Networks（神经高速公路网络），用于逼近任意复杂的排序函数。我们在一个包含超过 425K 项的大规模公共数据集上评估了所提框架，该数据集取自 Yahoo! learning to rank challenge（雅虎学习排序挑战赛）。结果表明所提方法与最先进的学习排序方法具有竞争力。
引用
@article{arxiv.1602.05285,
title = {Choice by Elimination via Deep Neural Networks},
author = {Truyen Tran and Dinh Phung and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1602.05285},
year = {2016}
}
备注
PAKDD workshop on Biologically Inspired Techniques for Data Mining (BDM'16)