pairwise

pairwise learning to rank 的方法可以分为两大类。

第一类是基于打分函数,它们通过一些特殊的设计让模型依靠“样本对”的信息来学习得到每个样本的score。所以得到这类方法最后的全局排序结果很简单,就是用所有样本的score来排序即可。

另一类方法是基于优先函数的方法。这类方法的整个过程分为两个阶段,第一阶段是用机器学习模型来学习两个样本之间的优先关系,例如f(x1, x2)=1表示样本x1优先于x2(x1应该排在x2前面),f(x1, x2)=-1表示样本x2优先于x1(x1应该排在x2后面)。从题主的问题来看,可能问的是“当我们已经训练出了优先函数f之后,如何对所有样本进行排序,并且使该排序在最大程度上与f的结果一致”。这个问题在学界被称为Rank Aggregation(排列聚合)。

具体参考 https://www.zhihu.com/question/389068269

别的相关参考:

https://www.jianshu.com/p/235756fbf6b6

https://zhuanlan.zhihu.com/p/318300682

https://zhuanlan.zhihu.com/p/65224450

https://zhuanlan.zhihu.com/p/65756030

https://www.zhihu.com/question/389068269/answer/1180120736


:D 一言句子获取中...