Ranking SVM 简介 - 风言风语 - 博客频道 - CSDN.NET

Ranking SVM 简介 - 风言风语 - 博客频道 - CSDN.NET

Learning to Rank(简称LTR)用机器学习的思想来解决排序问题(关于Learning to Rank的简介请见（译）排序学习简介)。LTR有三种主要的方法：PointWise，PairWise，ListWise。Ranking SVM算法是PairWise方法的一种，由R. Herbrich等人在2000提出, T. Joachims介绍了一种基于用户Clickthrough数据使用Ranking SVM来进行排序的方法(SIGKDD, 2002)。

Ranking SVM

我们可以学习得到一个分类器，例如SVM，来对对象对的排序进行分类并将分类器运用在排序任务中。这被Herbrich隐藏在Ranking SVM方法后的思想。

图1展示了一个排序问题的例子。假设在特征空间中存在两组对象（与两个查询相关联的文献）。进一步假设有三个等级（级别）。 例如，第一个组中的对象 $x_1$, $x_2$ 和 $x_3$ 分别有三个不同的级别。权重向量 $\omega$ 对应的线性函数 $f (x) = \left\langle {\omega ,x} \right\rangle$ 可以对对象进行评分并排序。使用排序函数对对象进行排序等价于将对象投影到向量，并根据投影向量对对象进行排序。 如果排序函数是'优秀'，那么等级3的对象应该排在等级2的对象之前，以此类推。要注意属于不同组的对象之间不能进行比较。

Read full article from Ranking SVM 简介 - 风言风语 - 博客频道 - CSDN.NET