基于损失函数融合的组排序学习方法

• 作者: 刘海峰 林原 林鸿飞 许侃
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 排序学习 信息检索 神经网络 损失函数 J氏距离
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 第二十四届全国信息检索学术会议专栏
• 页码范围: 62-70
• 页数: 9页
• 分类号: TP391
• 字数: 6696字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.01.007

摘要

排序学习已经在信息检索和机器学习领域中获得了广泛的关注,一系列的排序学习理论主要是基于3种排序样本构造方法提出的,分别是:单文档方法(pointwise)、文档对方法(pairwise)、文档列表法(listwise).特别地,文档列表法中的组排序的方法可以有效地提高排序的性能.将这些方法与损失函数相结合来提高组排序的性能,基本思想是融合不同的损失函数来扩充基于神经网络方法的损失函数.首先,本文提出了一种基于J氏距离(Jeffrey's divergence)的组样本损失函数的构造方法;然后,基于该组排序的方法,提出了一种与其他损失函数进行融合框架,在LETOR3.0数据集上比较了所提出方法的性能;最后,实验结果表明所提出的加权损失函数融合方法能够有效地提高查询的相关性排序结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学电子信息与电气工程学部	214	3759	31.0	55.0
2	许侃	大连理工大学电子信息与电气工程学部	29	110	6.0	9.0
3	刘海峰	大连理工大学电子信息与电气工程学部	12	58	4.0	7.0
4	林原	大连理工大学人文与社会科学学部	26	196	6.0	13.0