一种基于新型损失函数的Listwise排序学习方法

• 作者: 乔杰 孙辉 龚安
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 排序学习 损失函数融合 Listwise 梯度下降
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 96-99
• 页数: 4页
• 分类号: TP301.6
• 字数: 3121字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.08.020

摘要

排序学习是指运用机器学习方法,自主地构建排序模型,用来对新的数据进行排序.在所有的排序方法中,List-wise方法就是其中一类重要的排序学习方法,它的训练样例由文档列表组成,利用神经网络模型和概率模型来构造损失函数.但是由于Listwise算法存在时间复杂度高、排序位置信息利用度低等缺点,一直得不到广泛的推广.对此,文中在SHF-SDCG框架的基础上提出了一种新的排序学习算法,采用多层神经网络的ListNet算法,引入Pointwise损失函数和位置加权因子,与Listwise损失函数融合构建新的损失函数,并分别使用梯度下降算法和多层神经网络算法训练网络权值,得到新的排序模型;同时使用效率高的Top-k训练方法,降低时间复杂度.最后在数据集LETOR4.0上进行实验,结果表明新算法排序性能明显提高.