×
哈罗德·康纳马赫;潘查，尼基;刘瑞;索米亚·雷

Rankboost公司\（+\）：对Rankboost公司. （英语） Zbl 1446.62079号

机器。学习。 109，第1期，第51-78页（2020年）.
总结：Rankboost公司是一种众所周知的算法，它迭代地创建和聚合一组“弱秩”来构建有效的排名过程。关于的初始工作Rankboost公司提出了两种变体。一种变体，我们称之为Rb-d，是为所有弱秩都具有二进制范围（{0,1}）的情况设计的，具有良好的理论性质，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，是这种二进制弱秩场景的推荐变体，但缺乏理论基础。在本文中，我们通过提出一个改进的Rankboost公司我们称之为二进制弱秩场景的算法Rankboost公司\(+\). 我们证明了这种方法在理论上是合理的，并且从经验上证明了它在实践中优于两种Rankboost变量。此外，背后的理论Rankboost公司\（+\）有助于我们解释为什么Rb-d在实践中可能表现不好，以及为什么Rb-c在二进制弱秩场景中表现更好，正如之前的工作中所观察到的那样。

引用于1文件

MSC公司：

62F07型 统计排名和选择程序
62-08 统计问题的计算方法

关键词：

排名;增压;集合方法;兰布斯特

软件：

阿达·布斯特。MH公司;RANKBOOST公司+;字母;电影镜头
PDF格式BibTeX公司 XML格式引用
\textit{H.Connamacher}等人，马赫。学习。109，编号1，51--78（2020；Zbl 1446.62079）
全文： 内政部

参考文献：

[1] Agarwal，A.、Raghavan，H.、Subbian，K.、Melville，P.、Lawrence，R.D.、Gondek，D.C.和Fan，J.（2012）。学习为稳健的问题回答排名。《第21届ACM信息和知识管理国际会议记录》（第833-842页）。ACM。
[2] 阿加瓦尔，S。；Dugar博士。；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）·doi:10.1021/ci9003865
[3] Aslam，J.A.、Kanoulas，E.、Pavlu，V.、Savev，S.和Yilmaz，E.（2009年）。记录选择方法，以实现高效的分级学习。第32届国际ACM SIGIR信息检索研究与开发会议记录（第468-475页）。ACM公司。
[4] 曹，Z.，秦，T.，刘，T.Y.，蔡，M.F.，&李，H.（2007）。学习排名：从成对方法到列表方法。摘自：《第24届机器学习国际会议论文集》（第129-136页）。ACM公司。
[5] 科恩，WW；夏皮雷，RE；辛格，Y.，《学习排序》，《人工智能研究杂志》，第10期，第243-270页（1999年）·Zbl 0915.68031号 ·doi:10.1613/jair.587
[6] Cortes，C.和Mohri，M.（2004）。AUC优化vs.错误率最小化。《第16届神经信息处理系统国际会议论文集》（第313-320页）。麻省理工学院出版社。
[7] Demšar，J.，《多数据集分类器的统计比较》，《机器学习研究杂志》，2006年1月7日至30日·Zbl 1222.68184号
[8] 弗伦德，Y。；Iyer，R。；夏皮雷，RE；Singer，Y.，一种用于组合偏好的有效增强算法，《机器学习研究杂志》，933-969年11月4日（2003）·Zbl 1098.68652号
[9] Freund，Y.和Schapire，R.E.（1995）。在线学习的决策理论推广及其在助推中的应用。在欧洲计算学习理论会议上（第23-37页）。斯普林格。
[10] Guiver，J.和Snelson，E.（2009年）。Plackett-Luce排名模型的贝叶斯推断。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，The movielens datasets:History and context，ACM Transactions on Interactive Intelligent Systems（TiiS），2016年第5、4、19期
[12] Järvelin，K。；Kekäläinen，J.，基于累计收益的红外技术评估，ACM信息系统汇刊，20，4，422-446（2002）·数字对象标识代码：10.1145/582415.582418
[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·兹比尔1318.68003
[14] 努雷，R。；Can，F.，《使用数据融合的信息检索系统自动排名》，信息处理与管理，42，3，595-614（2006）·Zbl 1195.68038号 ·doi:10.1016/j.ipm.2005.03.023
[15] Qin，T.，&Liu，T.（2013）。介绍LETOR 4.0数据集。CoRR公司。http://arxiv.org/abs/1306.2597
[16] 秦，T。；刘，TY；徐，J。；Li，H.，LETOR：信息检索中学习排名研究的基准集合，信息检索，13，4，346-374（2010）·doi:10.1007/s10791-009-9123-y
[17] Rudin，C.、Cortes，C.、Mohri，M.和Schapire，R.E.（2005）。基于Margin的排名在中间有所提升。在计算学习理论国际会议上（第63-78页）。施普林格·Zbl 1137.68561号
[18] Valizadegan，H.、Jin，R.、Zhang，R.和Mao，J.（2009）。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）。Curran Associates公司。
[19] Weimer，M.、Karatzoglou，A.、Le，Q.V.和Smola，A.（2007年）。用于协作排名的COFIRANK最大裕度矩阵因子分解。《第20届神经信息处理系统国际会议论文集》（第1593-1600页）。Curran Associates公司。
[20] Xia，F.、Liu，T.Y.、Wang，J.、Zhang，W.和Li，H.（2008）。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（第1192-1199页）。ACM公司。
[21] Zheng，Z.，Zha，H.，&Sun，G.（2008）。使用等渗回归进行查询级排序学习。2008年第46届Allerton通信、控制和计算年会（第1108-1115页）。IEEE标准。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。