Please use this identifier to cite or link to this item: http://hdl.handle.net/10995/2074
Title: Исследование методов машинного обучения ранжированию, использующих перестановки как основные логические единицы
Other Titles: Research of methods of machine training to the ranging, using shifts as the basic logic units
Authors: Тимофеев, А.
Issue Date: 2009
Publisher: Изд-во ПетрГУ
Citation: Тимофеев А. Исследование методов машинного обучения ранжированию, использующих перестановки как основные логические единицы / А. Тимофеев // III Российская летняя школа по информационному поиску RuSSIR'2009, 11-16 сентября 2009 г. Труды Третьей Российской конференции молодых ученых по информационному поиску / [отв. за вып. К. А. Рогова]. – Петрозаводск: Изд-во ПетрГУ, 2009. – С. 51-66.
Abstract: В работе исследуются методы машинного обучения ранжированию (Learning To Rank), основанные на перестановке документов (listwise approach). В ряде иностранных статей было показано, что данные методы характеризуются тем, что в них минимизируется функция потерь, которая штрафует ранжирование в соответствии с правильной перестановкой документов. В данной работе разбирается свойство состоятельности функции штрафа, которое гарантирует, что правильное обучение приведет к нахождению лучшей ранжирующей функции. Показано, что в формулировке теоремы о критерии состоятельности, опубликованной в статье "Listwise Approach to Learning to Rank - Theory and Algorithm" [Microsoft research, T.Y.Liu at al.] на ICML 2008, не хватает существенного ограничения на функцию потерь: требуется симметричность функции потерь по своим аргументам.
In work methods of machine training to ranging (Learning To Rank), based on shift of documents (listwise approach) are investigated. In a number of foreign articles it has been shown that the given methods are characterised by that in them function of losses which fines ranging according to correct shift of documents is minimised. Property of a solvency of function of the penalty which guarantees understands the given work that correct training will lead to a finding of the best ranging function. It is shown that in the formulation of the theorem of criterion of the solvency published in article "Listwise Approach to Learning to Rank - Theory and Algorithm" [Microsoft research, T.Y.Liu at al.] on ICML 2008, there is no essential restriction on function of losses: symmetry of function of losses on the arguments is required.
URI: http://hdl.handle.net/10995/2074
http://elar.urfu.ru/handle/10995/2074
Conference name: Третья Российская конференция молодых ученых по информационному поиску (RuSSIR’2009)
Conference date: 11.09.2009-16.09.2009
ISBN: 978-5-8021-1051-5
Origin: RuSSIR 2009
Appears in Collections:Информационный поиск

Files in This Item:
File Description SizeFormat 
RuSSIR_2009_07.pdf5,27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.