%0 Journal Article
%T 一种基于潜变量的Ranking模型构造算法
%A 程凡
%A 李龙澍
%A 仲红
%A 刘政怡
%J 华东理工大学学报
%P 739-744
%D 2011
%X 现有的Ranking算法获得的模型全部来自训练数据，因为很多模型的有用信息并不能完全从训练数据中得到，因此这样得到的模型不够精确，对此，提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具，将除训练数据外的其他有用信息以潜变量形式引入算法的框架中，并在此基础上定义了面向NDCG的目标函数。针对该目标函数非凸非平滑，首先使用“凹凸过程”进行逼近，然后用“近似Bundle法”展开优化计算。基准数据集上的实验结果表明：相比完全依靠训练数据的Ranking算法，本文算法获得的模型更为精确。
%K Ranking算法
%K 潜变量
%K 结构化SVM
%K NDCG
%K 凹
%K 凸过程
%K 近似
%K Bundle法
%U http://journal.ecust.edu.cn/ch/reader/view_abstract.aspx?file_no=201106014&flag=1