一种基于新型损失函数的 Listwise 排序学习方法

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