用于学习排序任务的 Plackett-Luce 模型
信息检索
2019-09-17 v1 机器学习
摘要
基于列表（list-wise）的学习排序方法通常被认为比基于点（point-wise）和基于对（pair-wise）的方法具有更好的性能。然而，在现实应用中，最先进的系统并非来自基于列表的阵营。在本文中，我们在基于列表的框架下提出一种称为 ListMLE 的新型非线性算法，其使用 Plackett-Luce（PL）损失。我们的实验在两个最大的公开可用现实数据集 Yahoo challenge 2010 和 Microsoft 30K 上进行。这是基于列表的系统在单一模型层面上首次在现实数据集中匹配或超越最先进系统。
引用
@article{arxiv.1909.06722,
title = {Plackett-Luce model for learning-to-rank task},
author = {Tian Xia and Shaodan Zhai and Shaojun Wang},
journal= {arXiv preprint arXiv:1909.06722},
year = {2019}
}