一种鲁棒性增强的LambdaMART算法

• 作者: 刘关俊 李金忠
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 排序学习 排序模型 鲁棒性 偏差-方差 LambdaMART算法
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1044-1048
• 页数: 5页
• 分类号: TP18
• 字数: 6156字
• 语种: 中文

摘要

鲁棒性在排序学习中显得越来越重要,而现有排序学习算法多数仅关注改进排序模型的有效性,往往忽略了排序模型的鲁棒性.为了增强排序模型的鲁棒性,在训练排序模型的过程中可同时考虑其有效性和鲁棒性.从一个新颖的视角,即偏差-方差均衡,研究了如何优化LambdaMART排序学习的有效性和鲁棒性均衡.将偏差和方差融合为一个统一的目标函数以修改LambdaMART算法中的梯度,并证明了修改后的梯度仍可采用LambxiaMART算法去优化以训练排序模型.最后,在排序学习数据集上的实验结果表明,基于偏差-方差均衡思想所修改梯度后的LambdlaMART算法具有更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李金忠	同济大学电子与信息工程学院计算机科学与技术系	47	284	8.0	15.0
17	刘关俊	同济大学电子与信息工程学院计算机科学与技术系	4	16	3.0	4.0