-
题名一种鲁棒性增强的LambdaMART算法
被引量：2
- 1
-
-
作者
李金忠
刘关俊
-
机构
同济大学电子与信息工程学院计算机科学与技术系
同济大学嵌入式系统与服务计算教育部重点实验室
井冈山大学流域生态与地理环境监测国家测绘地理信息局重点实验室
井冈山大学电子与信息工程学院计算机科学与技术系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第5期1044-1048,共5页
-
基金
国家自然科学基金项目(61572360)资助
上海市教育发展基金
+2 种基金
上海市教育委员会项目(15SG18)资助
江西省教育厅科技计划项目(GJJ14561)资助
网络与数据安全四川省重点实验室开放课题(NDSMS201602)资助
-
文摘
鲁棒性在排序学习中显得越来越重要,而现有排序学习算法多数仅关注改进排序模型的有效性,往往忽略了排序模型的鲁棒性.为了增强排序模型的鲁棒性,在训练排序模型的过程中可同时考虑其有效性和鲁棒性.从一个新颖的视角,即偏差-方差均衡,研究了如何优化LambdaMART排序学习的有效性和鲁棒性均衡.将偏差和方差融合为一个统一的目标函数以修改LambdaMART算法中的梯度,并证明了修改后的梯度仍可采用LambdaMART算法去优化以训练排序模型.最后,在排序学习数据集上的实验结果表明,基于偏差-方差均衡思想所修改梯度后的LambdaMART算法具有更强的鲁棒性.
-
关键词
排序学习
排序模型
鲁棒性
偏差
方差
lambdamart算法
-
Keywords
learning to rank
ranking model
robustness
bias-variance
lambdamart algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于排序学习的混合推荐算法
- 2
-
-
作者
谢彬
唐健常
唐新怀
-
机构
南京理工大学计算机科学与工程学院
中国电子科技集团公司第三十二研究所
上海交通大学软件学院
-
出处
《黑龙江科技大学学报》
CAS
2015年第4期445-449,共5页
-
文摘
为了解决推荐系统如何适应不同的应用场景,以及推荐结果的排序问题,提出以Boosting合并算法为基础模型,以Lambda MART算法为主的更新算法,将排序学习技术运用于混合推荐。基于用户反馈信息的实时更新排序模型,通过学习不同场景中的不同数据,使推荐系统能够适用于不同的应用场景。同时,基于排序评价指标NDCG对混合推荐模型进行了验证。
-
关键词
排序学习
混合推荐
Boosting合并算法
lambdamart算法
-
Keywords
learning to rank
hybrid recommendation
boosting merging algorithm
lambdamart algorithm
NDCG
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
