基于RankBoost的排序函數(shù)學(xué)習(xí)算法研究.pdf

1、互聯(lián)網(wǎng)發(fā)展至今已有20年，現(xiàn)在從互聯(lián)網(wǎng)上可獲取的信息數(shù)據(jù)量已經(jīng)非常龐大。為了在有限的時間和精力下最快地掌握最關(guān)注的信息，人們越來越依賴于計算機(jī)對相關(guān)信息的排序處理。排序問題具有非常重要的意義，它一直是信息檢索研究領(lǐng)域的一個研究熱點。 最早用于解決排序問題的方法是基于傳統(tǒng)的排序模型來解決，它通常利用少量的文本特征，由人為設(shè)定和調(diào)整模型參數(shù)，不但利用的信息特征少而且缺乏靈活性。然而近來一些經(jīng)典的機(jī)器學(xué)習(xí)技術(shù)被越來越多地應(yīng)用到信息檢索

2、的研究上，特別是在排序問題的研究上用機(jī)器學(xué)習(xí)的方式來訓(xùn)練排序函數(shù)，這類算法被稱為排序函數(shù)學(xué)習(xí)算法（Learning to rank），其相關(guān)研究逐漸成為信息檢索的一個熱門研究方向。 本文經(jīng)過對排序函數(shù)學(xué)習(xí)算法現(xiàn)階段的各種經(jīng)典設(shè)計方法進(jìn)行調(diào)研，基于當(dāng)前最好的pairwise型的RankBoost排序函數(shù)學(xué)習(xí)算法框架，提出兩種針對文檔排序問題的算法設(shè)計：（1）利用排序問題中特別重視排序結(jié)果的前幾位樣本的特點，增強(qiáng)出于當(dāng)前排序結(jié)果中靠