توضیحات
Learning to rank refers to machine learning techniques for training a model in a ranking task. Learning to rank is useful for many applications in information retrieval, natural language processing, and data mining. Intensive studies have been conducted on its problems recently, and significant progress has been made. This lecture gives an introduction to the area including the fundamental problems, major approaches, theories, applications, and future work. The author begins by showing that various ranking problems in information retrieval and natural language processing can be formalized as two basic ranking tasks, namely ranking creation (or simply ranking) and ranking aggregation. In ranking creation, given a request, one wants to generate a ranking list of offerings based on the features derived from the request and the offerings. In ranking aggregation, given a request, as well as a number of ranking lists of offerings, one wants to generate a new ranking list of the offerings. Ranking creation (or ranking) is the major problem in learning to rank. It is usually formalized as a supervised learning task. The author gives detailed explanations on learning for ranking creation and ranking aggregation, including training and testing, evaluation, feature creation, and major approaches. Many methods have been proposed for ranking creation. The methods can be categorized as the pointwise, pairwise, and listwise approaches according to the loss functions they employ. They can also be categorized according to the techniques they employ, such as the SVM based, Boosting based, and Neural Network based approaches. The author also introduces some popular learning to rank methods in details. These include: PRank, OC SVM, McRank, Ranking SVM, IR SVM, GBRank, RankNet, ListNet & ListMLE, AdaRank, SVM MAP, SoftRank, LambdaRank, LambdaMART, Borda Count, Markov Chain, and CRanking. The author explains several example applications of learning to rank including web search, collaborative filtering, definition search, keyphrase extraction, query dependent summarization, and re-ranking in machine translation. A formulation of learning for ranking creation is given in the statistical learning framework. Ongoing and future research directions for learning to rank are also discussed. Table of Contents: Learning to Rank / Learning for Ranking Creation / Learning for Ranking Aggregation / Methods of Learning to Rank / Applications of Learning to Rank / Theory of Learning to Rank / Ongoing and Future Work
————————————————————–
ترجمه ماشینی :
یادگیری رتبهبندی به تکنیکهای یادگیری ماشین برای آموزش یک مدل در یک کار رتبهبندی اشاره دارد. یادگیری رتبه بندی برای بسیاری از کاربردها در بازیابی اطلاعات، پردازش زبان طبیعی و داده کاوی مفید است. اخیراً مطالعات فشرده ای در مورد مشکلات آن انجام شده و پیشرفت قابل توجهی حاصل شده است. این سخنرانی مقدمه ای بر این حوزه از جمله مشکلات اساسی، رویکردهای اصلی، نظریه ها، کاربردها و کارهای آینده ارائه می دهد. نویسنده با نشان دادن اینکه مسائل مختلف رتبهبندی در بازیابی اطلاعات و پردازش زبان طبیعی را میتوان به عنوان دو وظیفه رتبهبندی اساسی، یعنی ایجاد رتبهبندی (یا صرفاً رتبهبندی) و تجمیع رتبهبندی، شروع کرد. در ایجاد رتبهبندی، با توجه به درخواست، فرد میخواهد فهرست رتبهبندی پیشنهادات را بر اساس ویژگیهای به دست آمده از درخواست و پیشنهادات ایجاد کند. در تجمیع رتبهبندی، با توجه به درخواست، و همچنین تعدادی فهرست رتبهبندی پیشنهادها، میخواهید فهرست رتبهبندی جدیدی از پیشنهادها ایجاد کنید. ایجاد رتبه (یا رتبه بندی) مشکل اصلی در یادگیری رتبه بندی است. معمولاً به عنوان یک کار یادگیری تحت نظارت رسمیت می یابد. نویسنده توضیحات مفصلی در مورد یادگیری برای ایجاد رتبهبندی و تجمیع رتبهبندی، از جمله آموزش و آزمایش، ارزیابی، ایجاد ویژگی و رویکردهای اصلی ارائه میدهد. روش های زیادی برای ایجاد رتبه بندی پیشنهاد شده است. روشها را میتوان بهعنوان رویکردهای نقطهای، زوجی و فهرستی با توجه به توابع ض
tag : دانلود کتاب آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی , Download آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی , دانلود آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی , Download Learning to Rank for Information Retrieval and Natural Language Processing Book , آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی دانلود , buy آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی , خرید کتاب آموزش رتبه بندی برای بازیابی اطلاعات و پردازش زبان طبیعی , دانلود کتاب Learning to Rank for Information Retrieval and Natural Language Processing , کتاب Learning to Rank for Information Retrieval and Natural Language Processing , دانلود Learning to Rank for Information Retrieval and Natural Language Processing , خرید Learning to Rank for Information Retrieval and Natural Language Processing , خرید کتاب Learning to Rank for Information Retrieval and Natural Language Processing ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.