学习排序算法简介

标签：排序算法   机器学习   搜索引擎   ltr   

学习排序算法简介

    学习排序（Learning to Rank, LTR）是一类基于机器学习方法的排序算法。

    传统经典的模型，例如基于TFIDF特征的VSM模型，很难融入多种特征，也就是除了TFIDF特征之外，就无法融入其他种类的特征了。

    而机器学习的方法很容易融合多种特征，而且有成熟深厚的理论基础，参数也是通过迭代计算出来的，有一套成熟理论来解决稀疏、过拟合等问题。

LTR方法大致可以分成三类：

1） Pointwise 单文档方法

2） Pairwise 文档对方法

3） Listwise 文档列表方法

    LTR算法在实际中应用很多，比如你在搜索引擎中输入一个query，得到了一系列的搜索结果，那么如何根据你的query，对这些结果进行排序呢？因为我们需要把与query最相关的result排在最前面吧~机器翻译的时候也会有个翻译结果排序的过程。所以说，LTR算法还是很有用滴~
    下面的博客中，我们会具体介绍上面的每一类算法~

http://blog.csdn.net/nanjunxiao/article/details/8976195

学习排序算法简介

标签：排序算法   机器学习   搜索引擎   ltr   

原文地址：http://blog.csdn.net/puqutogether/article/details/42119735