查询依赖的有序多超平面排序学习模型  

Query Dependent Learning to Model Based on Ordered Multiple Hyperplanes

作　　者：孙鹤立[1] 黄健斌[2] 冯博琴[1] 赵志勤[1] 刘均[1] 郑庆华[1] 

机构地区：[1]西安交通大学计算机科学与技术系,陕西西安710049 [2]西安电子科技大学软件学院,陕西西安710071

出　　处：《软件学报》2011年第11期2773-2781,共9页Journal of Software

基　　金：国家高技术研究发展计划(863)(2008AA01Z131);陕西省自然科学基础研究计划(SJ08-ZT14)

摘　　要：针对当前基于支持向量机的排序学习方法训练时间长以及不考虑查询之间差异、模型单一的问题,提出一种查询依赖的有序多超平面排序学习模型.根据不同查询,利用其对应训练数据所属等级之间的序关系构建多个超平面.此外,提出了一种加权表决方法对多个超平面的排序列表进行聚合,根据各超平面的排序精度赋予其不同权重,计算最终排序结果.在标准数据集LETOR OHSUMED上对所提出的模型性能进行了综合评测,并与相关排序模型进行了对比分析.实验结果显示,所提出的模型排序性能有较大提升.同时,训练时间明显缩短.This paper proposes a ranking model that trains different hyperplanes for different queries and optimizes hyperplanes with the order relations.It aims at solving the problem of most existing rank methods that do not consider the significant differences between queries and only resort to a single function that is time consuming.Next,a weighted voting method is proposed to aggregate the ranking lists of the hyperplanes as the final rank.The weights reflect the degree of precision.Effectiveness is tested by the benchmark data set LETOR OHSUMED and is compare with other ranking models.The proposed method shows improved ranking performance with a significant reduction of training time.

关 键 词：排序学习 查询依赖 多超平面 序关系 聚合 加权表决 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]