×

兹马思-数学第一资源

兰克布斯特\(+\):对兰克布斯特.(英语) Zbl 1446.62079
小结:兰克布斯特是一个著名的算法,它迭代地创建并聚合“弱rankers”集合,以构建有效的排名过程。初步工作兰克布斯特提出了两种变体。有一种变体,我们称之为Rb-d,它是为所有弱ranker都有二进制范围\{0,1\}\)的情况而设计的,它具有良好的理论性能,但在实践中表现不佳。另一种,我们称之为Rb-c,具有良好的经验行为,是这种二元弱ranker情景下的推荐变量,但缺乏理论基础。本文针对这一现状,提出了一种改进方案兰克布斯特我们称之为二进制弱ranker方案的算法兰克布斯特\(+\). 我们证明了这种方法在理论上是正确的,并且在实践中也证明了它优于两种Rankboost变体。进一步说,背后的理论兰克布斯特\(+\)有助于我们解释为什么Rb-d在实践中可能没有很好的表现,以及为什么Rb-c在二进制弱ranker场景中表现更好,正如在先前的工作中所观察到的那样。
理学硕士:
62007年 统计排名和选择程序
62-08年 统计问题的计算方法
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Agarwal,A.,Raghavan,H.,Subbian,K.,Melville,P.,劳伦斯,R.D.,Gondek,D.C.,和Fan,J.(2012年)。学习如何为可靠的问题回答排名。第21届ACM国际信息和知识管理会议记录(第833-842页)。ACM公司。
[2] 阿加瓦尔S。;杜加尔,D。;Sengupta,S.,药物发现的化学结构排序:一种新的机器学习方法,化学信息与建模杂志,50,5716-731(2010)
[3] Aslam,J.A.,Kanoulas,E.,Pavlu,V.,Savev,S.和Yilmaz,E.(2009年)。文件选择方法,有效和有效的学习排名。第32届国际ACM-SIGIR信息检索研究与发展会议论文集(第468-475页)。ACM公司。
[4] 曹志军、秦琰、刘天勇、蔡美芬、李海华(2007)。学习排名:从成对法到列表法。第24届机器学习国际会议论文集(第129-136页)。ACM公司。
[5] 女,女,科恩;沙皮里,Re;辛格,Y.,《学习排序》,《人工智能研究杂志》,10243-270(1999)·Zbl 0915.68031
[6] Cortes,C.和Mohri,M.(2004年)。AUC优化与错误率最小化。第16届神经信息处理系统国际会议论文集(313-320页)。麻省理工学院出版社。
[7] Demšar,J.,多个数据集上分类器的统计比较,机器学习研究杂志,7,1月1-30日(2006)·Zbl 1222.68184
[8] 弗伦德,Y。;伊尔,R。;沙皮里,Re;Singer,Y.,结合偏好的有效提升算法,机器学习研究杂志,4,Nov,933-969(2003)·Zbl 1098.68652
[9] Freund,Y.和Schapire,R.E.(1995年)。在线学习的决策理论推广及其在boosting中的应用。欧洲计算学习理论会议(第23-37页)。斯普林格。
[10] Guiver,J.和Snelson,E.(2009年)。Plackett-Luce排序模型的贝叶斯推理。第26届国际机器学习年会论文集(第377-384页)。ACM公司。
[11] 哈珀,Fm;Konstan,Ja,《movielens数据集:历史与背景》,《交互式智能系统(TiiS)上的ACM交易》,5,4,19(2016)
[12] Järvelin,K。;Kekäläinen,J.,《基于累积收益的红外技术评估》,信息系统ACM交易,20,4,422-446(2002)
[13] 莫赫里,M。;罗斯塔米扎德,A。;Talwalkar,A.,机器学习基础(2012),剑桥:麻省理工学院出版社,剑桥·Zbl 1318.68003
[14] 努雷,R。;Can,F.,使用数据融合的信息检索系统自动排序,信息处理与管理,42,3595-614(2006)·Zbl 1195.68038
[15] Qin,T.和Liu,T.(2013年)。介绍LETOR 4.0数据集。更正。http://arxiv.org/abs/1306.2597
[16] 秦,T。;刘,泰;徐杰。;Li,H.,LETOR:信息检索学习排名研究的基准集合,信息检索,13,4,346-374(2010)
[17] Rudin,C.,Cortes,C.,Mohri,M.和Schapire,R.E.(2005年)。基于利润的排名在中间遇到提升。计算学习理论国际会议(第63-78页)。斯普林格·Zbl 1137.68561
[18] Valizadegan,H.,Jin,R.,Zhang,R.和Mao,J.(2009年)。通过优化NDCG指标学习排名。第22届神经信息处理系统国际会议论文集(1883-1891页)。柯兰联合公司。
[19] Weimer,M.,Karatzoglou,A.,Le,Q.V.和Smola,A.(2007年)。协同排名的COFIRANK最大利润矩阵分解。第20届神经信息处理系统国际会议论文集(1593-1600页)。柯兰联合公司。
[20] Xia,F.,Liu,T.Y.,Wang,J.,Zhang,W.和Li,H.(2008年)。学习排名的列表方法:理论和算法。第25届机器学习国际会议论文集(1192-1199页)。ACM公司。
[21] Zheng,Z.,Zha,H.和Sun,G.(2008年)。查询级学习使用等张回归进行排名。2008年第46届Allerton通信、控制和计算年会(第1108-1115页)。IEEE。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。