重温基于神经网络的成对排序学习：重构、理论分析与实际性能
信息检索
2019-09-09 v1 机器学习
机器学习
摘要
我们提出了一种基于神经网络的成对排序学习方法，名为 DirectRanker，它是对 RankNet 架构的推广。我们从数学上证明了该模型具有自反性、反对称性和传递性，从而能够简化训练并提升性能。在 LETOR MSLR-WEB10K、MQ2007 和 MQ2008 数据集上的实验结果表明，我们的模型优于众多最先进的方法，同时其结构本质上更简单，且仅使用成对方法。
引用
@article{arxiv.1909.02768,
title = {Pairwise Learning to Rank by Neural Networks Revisited: Reconstruction, Theoretical Analysis and Practical Performance},
author = {Marius Köppel and Alexander Segner and Martin Wagener and Lukas Pensel and Andreas Karwath and Stefan Kramer},
journal= {arXiv preprint arXiv:1909.02768},
year = {2019}
}
备注
16 pages, 8 figures