Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 1 trang
Dung lượng: 27 KB

Giới thiệu nội dung

Learning to Rank

Tác giả:

Hang Li

Lĩnh vực:

Microsoft Research Asia

Nội dung tài liệu:

Tài liệu này giới thiệu về “learning to rank”, một công nghệ học máy dùng để xây dựng mô hình xếp hạng các đối tượng dựa trên dữ liệu huấn luyện. Bài viết sẽ trình bày cách xây dựng bài toán học để xếp hạng, mối quan hệ giữa học để xếp hạng và các bài toán học máy khác. Tiếp theo, các phương pháp học để xếp hạng đã được phát triển trong những năm gần đây sẽ được mô tả, bao gồm các phương pháp theo điểm, theo cặp và theo danh sách. Sau đó, bài viết sẽ giới thiệu về các công trình lý thuyết về học để xếp hạng và các ứng dụng của nó. Cuối cùng, một số hướng nghiên cứu trong tương lai về học để xếp hạng sẽ được đề xuất. Mục tiêu của bài viết này là cung cấp một cái nhìn tổng quan toàn diện về công nghệ này và kích thích nghiên cứu sâu hơn về công nghệ và ứng dụng của nó trong xử lý ngôn ngữ tự nhiên.

Mục lục chi tiết:

  • 1. Introduction
  • 2. Learning to Rank Problem
    • (a) Problem Formulation
    • (b) Evaluation
  • 3. Learning to Rank Methods
    • (a) Pointwise Approach
      • i. McRank
    • (b) Pairwise Approach
      • i. Ranking SVM
      • ii. RankBoost
      • iii. RankNet
      • iv. IR SVM
    • (c) Listwise Approach
      • i. ListNet
      • ii. ListMLE
      • iii. AdaRank
      • iv. SVM Map
      • v. PermuRank
      • vi. SoftRank
    • (d) Other Methods
  • 4. Learning to Rank Theory
    • (a) Pairwise Approach
      • i. Generalization Analysis
    • (b) Listwise Approach
      • i. Generalization Analysis
      • ii. Consistency Analysis
  • 5. Learning to Rank Applications
    • (a) Search Ranking
    • (b) Collaborative Filtering
    • (c) Key Phrase Extraction
    • (d) Potential Applications in Natural Language Processing
  • 6. Future Directions for Learning to Rank Research
  • 7. Conclusion