基于稀疏表示的排序?qū)W習(xí)算法.pdf

1、搜索引擎的出現(xiàn)使現(xiàn)代的用戶在紛繁的互聯(lián)網(wǎng)信息中尋找相關(guān)的信息，所以檢索結(jié)果的排序是非常重要的。萬(wàn)維網(wǎng)WWW（World Wide Web）是一個(gè)巨大的，分布全球的信息服務(wù)中心，正在以飛快的速度擴(kuò)展。WEB上的文檔和傳統(tǒng)的文檔比較有很多新特點(diǎn)，它們是分布的，異構(gòu)的，無(wú)結(jié)構(gòu)或者半結(jié)構(gòu)的，這就對(duì)傳統(tǒng)信息檢索技術(shù)提出了新的挑戰(zhàn)。
　　“信息檢索”（Information Retrieval），還稱“情報(bào)檢索”，意指把信息按照一定的方式組織

2、存儲(chǔ)起來(lái)，并且按照用戶訴求獲得所需要信息的過(guò)程。核心問(wèn)題是怎樣依據(jù)備選文檔(或備選網(wǎng)頁(yè))和用戶所給出查詢的相關(guān)性建立一個(gè)檢索模型。傳統(tǒng)的信息檢索模型有簡(jiǎn)單的構(gòu)造方法，可是精度不高，所以很難使用戶獲得滿意的搜索結(jié)果。近來(lái)國(guó)外有學(xué)者針對(duì)其提出了新的模型構(gòu)造方法：排序?qū)W習(xí)（learning to rank），期望檢索結(jié)果能更精確更能滿足用戶需求。上面提到的排序?qū)W習(xí)意指，結(jié)合有標(biāo)簽的數(shù)據(jù)連同機(jī)器學(xué)習(xí)技術(shù)自動(dòng)生成一個(gè)檢索（排序）模型。另外 LTR

3、技術(shù)在文檔的檢索，協(xié)同濾波等很多的領(lǐng)域有很多的應(yīng)用，近些年國(guó)內(nèi)外越來(lái)越多的學(xué)者關(guān)注LTR的研究，并且逐漸成為現(xiàn)在機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　傳統(tǒng)的信息檢索模型主要分為兩類：一類為與查詢相關(guān)的基于內(nèi)容的方法，如基于詞頻統(tǒng)計(jì)、概率模型和語(yǔ)言模型等方法；另一類是獨(dú)立于查詢的基于鏈接分析的方法，如 PageRank、HITTS等算法，倆類方法的核心都是對(duì)網(wǎng)頁(yè)進(jìn)行排序?！芭判?qū)W習(xí)”的出現(xiàn)，使得多種檢索模型的融合成為可能；訓(xùn)練出的新的排

4、序模型能夠有效地提高檢索效果。
　　排序?qū)W習(xí)屬于信息檢索與機(jī)器學(xué)習(xí)交叉領(lǐng)域，按照輸入空間的不同，可以將排序?qū)W習(xí)方法分為三類：?jiǎn)挝臋n級(jí)別（pointwise，點(diǎn)級(jí)）、文檔對(duì)級(jí)別（pairwise，對(duì)級(jí)）與文檔列表級(jí)（listwise，列表級(jí)）。損失函數(shù)是排序?qū)W習(xí)方法用于構(gòu)建目標(biāo)函數(shù)。優(yōu)化排序模型的重要手段，其優(yōu)劣將最終影響排序函數(shù)的性能。
　　本文的文章結(jié)構(gòu)是，首先提出課題研究的背景，然后分別簡(jiǎn)單介紹傳統(tǒng)的信息檢索模型和排序?qū)W