Sep, 2019
神经网络的逐对学习排名再探：重构、理论分析和实际表现
Pairwise Learning to Rank by Neural Networks Revisited: Reconstruction,
Theoretical Analysis and Practical Performance
TL;DR本文利用一种基于神经网络的成对学习排序方法，即DirectRanker，展示了它在RankNet架构上的泛化能力。经过数学证明，我们的模型具有自反性、反对称性和传递性，从而实现了简化训练和提高的性能。在LETOR MSLR-WEB10K、MQ2007和MQ2008数据集上的实验结果表明，我们的模型在结构上固有的简单性和仅使用成对方法的情况下优于许多最先进的方法。