-
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]
-
-
题名基于随机森林与LambdaMART的搜索排序模型
被引量：6
- 2
-
-
作者
雷武
廖闻剑
彭艳兵
-
机构
武汉邮电科学研究院
烽火通信科技股份有限公司南京研发部
-
出处
《计算机与现代化》
2017年第3期54-58,共5页
-
文摘
目前的研究表明,Boosting算法在各种任务中都能提供良好的预测性能。而在学习排序中,基于Boosting的模型,例如Rankboost和LambdaMART,在对公共数据集的评估中表现优秀。本文通过研究随机森林算法和LambdaMART,将随机森林算法作为基础模型,学习一个排序函数,将函数的输出作为LambdaMART的初始函数,最终生成排序模型。在公共数据集上基于评价指标ERR和NDCG对排序模型进行验证,结果表明本排序模型均要优于原始算法。
-
关键词
排序学习
随机森林算法
lambdamart算法
集成学习
排序模型
-
Keywords
learning to rank
Random Forests
lambdamart
ensemble learning
ranking model
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于LambdaMART算法的微信公众号排序
被引量：2
- 3
-
-
作者
渠北浚
白宇
蔡东风
陈建军
-
机构
沈阳航空航天大学人机智能研究中心
北软职业信息技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2019年第12期101-109,共9页
-
基金
教育部人文社会科学研究青年基金(17YJCZH003)
辽宁省自然科学基金(20170540696)
-
文摘
随着移动应用的普及,微信公众号已经成为人们获取信息的重要来源之一。微信公众号排序是获取优质信息、节约信息管理成本的必要手段。现有的公众号排序方法主要是对总阅读数、总点赞数等量化指标进行人工经验赋权得到排序结果,忽略了文章内容对公众号选择的影响。该文在保留量化指标的基础上,提出了主题垂直性、发文稳定性、主题覆盖率和主题相关性等微信篇章排序特征,使用LambdaMART算法针对上述特征集合进行排序学习,并通过主成分分析进行特征选择优化。实验结果表明,在公众号排序方面,LambdaMART方法优于现有其他方法,相关实验也证明了基于微信篇章内容分析特征的有效性。
-
关键词
微信公众号
排序学习
lambdamart
主成分分析
-
Keywords
WeChat official account
learning to rank
lambdamart
principal component analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向产品云设计过程的数据建模与检索重排序方法
- 4
-
-
作者
苏兆婧
郭开元
杨梅
丛宏宇
余隋怀
黄悦欣
-
机构
山东科技大学艺术学院工业设计系
西北工业大学工业设计与人机工效工信部重点实验室
-
出处
《图学学报》
北大核心
2025年第4期899-908,共10页
-
基金
教育部人文社会科学研究青年项目(24YJCZH260)
山东省自然科学基金(ZR2024QG216)
山东省社科规划专项重点项目(23BLYJ04)。
-
文摘
为应对产品设计过程非结构化数据处理的挑战,解决通用检索系统排序策略固定、推送特定行业数据缺乏精细度的局限,提出了一种面向产品云设计过程的非结构化数据建模与检索方法。首先,面向产品云设计创新和决策过程的实际需求,构建非结构化数据处理框架。随后,提出了将科技文档版面分析问题视作目标检测问题的新思路,在领域科技文档数据库的基础上,构建了产品设计领域多要素版面分析与识别模型。通过构建数据特征空间和标签特征,结合LambdaMART算法,实现了领域科技文档数据的动态排序与高效检索。最后,通过案例验证了该方法在产品技术革新中的应用潜力,为数智驱动的设计迭代与精准决策提供了创新支持。
-
关键词
产品云设计
非结构化数据
数据聚合
版面分析
lambdamart
-
Keywords
cloud-based product design
unstructured data
data aggregation
layout analysis
lambdamart
-
分类号
TB472
[一般工业技术—工业设计]
-
-
题名基于结构内容特征的裁判文书自动推荐研究
被引量：10
- 5
-
-
作者
梁柱
沈思
叶文豪
王东波
-
机构
南京农业大学信息管理学院
南京理工大学经济管理学院
南京大学信息管理学院
-
出处
《情报学报》
CSSCI
CSCD
北大核心
2022年第2期167-175,共9页
-
基金
国家社会科学基金后期资助项目“基于时间感知模型的学术主题检索与演化挖掘研究”(19FTQB015)。
-
文摘
在现有的裁判文书检索系统上,非专业领域的用户检索具有局限性。目前,法律领域的智能检索仅在基于裁判文书的法律条文的推荐和分类上开展了研究,缺乏对裁判文书自动推荐的相关研究,因此,本文提出了一种利用类新闻的事实性文本智能推荐裁判文书的方法,结合目前的研究工作,总结裁判文书的结构和内容特征,利用类新闻的事实性文本模拟非法律专业用户的检索查询式,构建含有结构内容特征的裁判文书语料库,并自动推荐相关裁判文书文档。结果显示,利用裁判文书的法院意见结构内容特征,对新闻语料进行特征词表示之后,LambdaMART模型在文本匹配结果上表现良好,优于传统的全文检索技术。
-
关键词
裁判文书
信息检索
lambdamart
文本匹配
-
Keywords
judgment documents
information retrieval
lambdamart
text matching
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
D926.13
[政治法律—法学]
-
-
题名基于排序学习的混合推荐算法
- 6
-
-
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]
-
