排序学习中数据噪音敏感度分析

• 作者: 牛树梓 程学旗 郭嘉丰
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 排序学习 数据质量 噪音敏感
• 年，卷（期）: 2012,（5）
• 页码范围: 53-58,128
• 分类号: TP391
• 字数: 5175字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2012.05.009

摘要

排序学习是当前信息检索领域研究热点之一.为了避免训练集中噪音的影响,当前排序学习算法较多关注鲁棒性.已有的工作发现相同的排序学习方法的性能在不同的数据集上会有截然不同的噪音敏感度.模型改变是导致性能下降的直接原因,而模型又是从训练集学习到的,因此根源在于训练数据的某些特性.该文根据具体排序学习场景分析得出影响噪音敏感度的根本原因在于训练集中文档对分布的结论,并在LETOR3.0上的实验验证了这一结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算技术研究所	160	4858	31.0	67.0
2	郭嘉丰	中国科学院计算技术研究所	22	942	9.0	22.0
3	牛树梓	中国科学院计算技术研究所	4	7	2.0	2.0