基于损失函数融合的组排序学习方法 |
| |
引用本文: | 林原,刘海峰,林鸿飞,许侃.基于损失函数融合的组排序学习方法[J].广西师范大学学报(自然科学版),2019,37(1). |
| |
作者姓名: | 林原 刘海峰 林鸿飞 许侃 |
| |
作者单位: | 大连理工大学 人文与社会科学学部,辽宁 大连,116024;大连理工大学 电子信息与电气工程学部,辽宁 大连,116024 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目 |
| |
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。
|
关 键 词: | 排序学习 信息检索 神经网络 损失函数 J氏距离 |
本文献已被 CNKI 万方数据 等数据库收录! |
|