Learn to rank中Pointwise、Pairwise和Listwise方法的本质区别

技术宅 rainforest 3年前 (2017-04-07) 2573次浏览 0个评论

利用机器学习解决排序问题,被称为Learn to rank,简称LTR。LTR方法通常可以分为Pointwise、Pairwise和Listwise三类。很多同学看了这三种方法的介绍之后,还是不明白它们的本质区别。尤其是Pointwise和Pairwise中的有些方法,我们用起来是一样的,都是根据模型输出的score进行排序,往往搞不清它们之间的区别。

在我看来,Pointwise、Pairwise和Listwise的本质区别是训练过程中优化的目标或者损失函数不同。Pointwise优化的目标是单条样本与用户(查询词)之间的相关性(或者是否会点),即回归的目标是label。比如对于广告排序场景,优化目标是样本是否点击这个事情,这就是Pointwise。但对于如RankNet的Pairwise方法,优化的目标是正例与负例之间的序。而对于Listwise,优化的是一个序的好坏,比如用NDCG来评价。


乐趣公园 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:Learn to rank中Pointwise、Pairwise和Listwise方法的本质区别
喜欢 (0)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址