使用深度神经网络学习分组多元打分函数
信息检索
2021-05-07 v3
摘要
在分类或回归设定中，每个单独文档被赋予一个标签或值，而在排序设定中我们确定整个输入文档列表的相关性强弱顺序。这一差异导致了排序中文档间相对相关性的概念。现有大多数学习排序算法在损失层面使用成对或列表wise损失函数对这种相对性建模。然而，它们局限于单变量打分函数，即文档的相关性得分基于文档自身计算，而不管列表中其他文档。为克服此限制，我们提出了多元打分函数的新框架，其中文档的相关性得分由列表中多个文档联合决定。我们将此框架称为 GSFs——分组打分函数。我们用深度神经网络架构学习 GSFs，并证明几种代表性学习排序算法可作为我们框架中的特例建模。我们使用来自最大的商业邮件搜索引擎之一的点击日志以及一个公共基准数据集进行评估。在两种情况下，GSFs 均带来显著的性能提升，尤其在存在稀疏文本特征时。
引用
@article{arxiv.1811.04415,
title = {Learning Groupwise Multivariate Scoring Functions Using Deep Neural Networks},
author = {Qingyao Ai and Xuanhui Wang and Sebastian Bruch and Nadav Golbandi and Michael Bendersky and Marc Najork},
journal= {arXiv preprint arXiv:1811.04415},
year = {2021}
}