@twoer2
2018-11-15T09:47:37.000000Z
字数 2241
阅读 595
毕业设计
论文地址:
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/MSR-TR-2010-82.pdf
在2.1节 Factoring RankNet: Speeding Up Ranknet Training中,作者把下面式子:
整理成:
其中
这里是url 组成的对。根据原文
it is convenient to adopt the convention that contains pairs of indices for which , so that = 1
即的相关性强于,而对不计入求和里。
现在假设一个查询里有三条url,,且,那么:
并没有项出现(这个求和里的项有这样的特征:)
反而,我觉得应该是:
所以,我觉得论文里的是不正确的。
在第6节 MART for Two Class Classification 中,作者简单讲了一下MART的原理。在求叶子节点值时
下面是LambdaMART算法伪代码:
这里的子学习器(回归树)学习对象是梯度,这个根据前面的步骤,是同一个查询中不同对的组合计算偏导得出的,它跟本查询中第i个url是密切相关的。
但是原文里说
In LambdaMART, each tree models the λi for the entire dataset (not just for a single query).
这是怎么做到的?一个文档的梯度在不同查询中方向、强度可能都会不一样,为什么能综合多个查询来算?从下面给出的式子看,的求法和之前单个查询的求法也没什么区别?