面向排序学习的概率分布优化模型

摘要

现有的排序学习模型依赖于模型输出的评分来表示文档间的偏序关系。考虑到这种将评分看作单一数值的限制，提出一种概率分布排序学习模型优化方法，引入排序分数的不确定性，以概率分布的形式对排序分数进行平滑，进而将排序分数大小的比较变成对分数偏序关系的概率估计。在此基础上，将该方法应用于排序学习模型RankNet、LambdaRank以及LambdaMART,更合理地拟合模型概率与目标概率之间的差距，从而对排序学习模型进行优化，并在多个大规模真实数据集上进行实验。结果表明，经过优化后的模型性能相比于优化前具有显著提高，验证本文方法的有效性。

关键词

信息检索 / 排序学习 / 概率分布