listwise类方法的一些想法

Inf. Retr. 2010, tendency correlation for direct optimization of evaluation measure in information retrieval.

 

svm-map与svm-ndcg的区别;

lambdarank仅仅是weighted pairwise的方法,从chappelle09年设计的listwise方法中找寻答案;

softrank和ndcgboost两者似乎只有两个区别,一个区别是两者对rank position的期望近似方法不同,另一个区别是求解技术不同,前者用gradient descent,后者用boosting,但这两种方法之间那种期望的近似更合理,是否能找出更好的近似?或者复杂度更低的近似,或者考虑用SVM求解的方法?

 

 

评论

1 楼 backsnow 2010-08-29  

总结两种类型的listwise方法,特别是approximated类型的,确定以熵作为Loss function,换一种估计rank position的方法是否可能.在作文时可以仿照SVM-NDCG也就是PERMU-RANK: directly optimization of evaluation measure in information retrieval.
这篇文章.