|
关注：1
2013-05-23 12:21
求翻译：Also, our work can be categorized into Learning-To-Rank (LTR) which includes pointwise, pairwise, and listwise approaches [20]. The point-wise methods [20] reduce the LTR task to a regression problem: given a single query-document pair, predict its score. The pair-wise methods approximate the LTR task to a classif是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Also, our work can be categorized into Learning-To-Rank (LTR) which includes pointwise, pairwise, and listwise approaches [20]. The point-wise methods [20] reduce the LTR task to a regression problem: given a single query-document pair, predict its score. The pair-wise methods approximate the LTR task to a classif
问题补充： |
|
2013-05-23 12:21:38
此外，我们的工作可分为学习到秩（ LTR），它包括逐点，成对，和成列的方法[20] 。
|
|
2013-05-23 12:23:18
另外,我们的工作可以分为learning-to-通道(LTR),其中也包括pointwise、成对,listwise方法[20]。 这一点的方法[20]减少任务的LTR的回归问题:给定一个查询的文档对,预测其分数。 “对明智方法的LTR任务大致的分类问题。
|
|
2013-05-23 12:24:58
并且，我们的工作可以被分类入学会对排列 () 包括pointwise，成对地和listwise方法20 (的公升)。 点明智的方法 (20) 使公升任务降低到退化问题： 给出一个询问文件对，预言它的比分。 方法成对地接近公升任务到分类问题。 成对地排列的目标是学会一个二进制量词辨认更好的文件在一个特定文件对在等第13， 21 - 23 (使)反向减到最小的 (平均)数字()。 名单明智的方法，优选等第损失公尺结束名单而不是文件对 (24)。 例如， H。 李等。 等提出 (AdaRank) 25和 (ListNet) 26和Burges。 提出LambdaMART (15)。 最近的工作
|
|
2013-05-23 12:26:38
此外，我们的工作可以分为成学习等级 （LTR），包括逐点、 成对，及 listwise 方法 [20]。逐点方法 [20] 减少 LTR 任务到回归问题： 鉴于一单个查询文档，预测其得分。成对的方法近似 LTR 任务分类问题。成对的排名目标是学会二进制的分类器来识别给定文档中更好的文档对通过最小化平均数量反演中排名 [13]，[21] — — [23]。List-wise 的方法，优化排名损失度量在列表而不是文档对 [24]。例如，H.li 等人。 提出了 AdaRank [25] 和 [26] ListNet 和伯吉斯 et al。 建议 LambdaMART [15]。更多最近的工作 [1
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
