排序學習中的批量主動學習問題研究.pdf

1、隨著Internet技術的突飛猛進，Web信息量爆炸性增長，人們越來越習慣使用搜索引擎查找所關心的信息。但浩瀚的信息資源卻給搜索引擎的發(fā)展提出了新的挑戰(zhàn)。如何有效、快捷、準確地將查詢結果返回給用戶，提高Web信息檢索效果，已變成一項迫切而有意義的研究課題。
　　 在現階段信息檢索領域的研究中，基于監(jiān)督學習的排序學習逐漸成為排序研究的熱點?；诒O(jiān)督學習的排序學習需要大量的人工標注的樣本，為了減少人工標注樣本的標注量，產生了一些基于

2、“選擇最值得標注的樣本進行標注”思想的所謂主動排序學習算法。通過主動排序學習算法，用戶不需要一開始標注所有的樣本，而是開始只標注一部分樣本，先學習得到一個排序模型；然后每次從剩下的未標注樣本中選擇一個最值得標注的樣本進行標注，把這個新標注的樣本放入訓練集中，重新訓練得到新的排序模型；然后在剩下的未標注樣本中再重新選擇一個樣本進行標注，加入訓練集，如此類推直到得到最終的排序模型。主動學習減少了排序學習的樣本標注量，但此方法有一個問題是每次

3、只選擇一個樣本標注，之后又要重新訓練，訓練需要很多時間，同時標注人員標注下一個樣本需要等待很長時間。如果每次可以選擇多個樣本，則可以減少整個主動排序學習的時間，降低標注人員的工作量，即標注代價，同時，如果有多個標注人員的話，還可以實現并行標注，提高主動排序的效率。
　　 針對上述問題，本文提出批量主動排序學習的思想，主動排序學習的時候，一次能夠找到多個值得標注的樣本給用戶標注，這多個標注的樣本對排序模型性能的提升有很大的價值。<

4、br>　　 本文提出了兩種批量主動排序學習算法，一種是基于夾角差異的批量主動排序學習算法，該算法通過加入批量選擇的樣本之間的夾角差異度量，來減少批量選擇的樣本之間的相似度，提高批量主動排序的性能。另一種是基于損失函數的批量主動排序學習算法，該算法直接從提高排序模型性能的損失函數入手，批量選擇能夠使損失函數達到最小值的那些樣本進行標注。
　　 本文在不同數據集上進行實驗評價以上兩種批量主動排序學習算法，同時與單樣本主動排序學習算