胡玲玲-报告.pptxVIP

实习介绍 胡玲玲 网页搜索部 2013-09-01 目录 定位 平台组快速调研整合的流程整合部份，作为调研的统一入口，对调研的过程、工具、数据等进行有效的管理。 目标 为实现调研全过程的改善打下基础，改善大搜索，提升效率。 初识-调研流程平台 调研流程平台-整体框架 调研流程平台-整体框架 入手-LTR 用机器学习的方式做ranking 学术界一般称为Learning to rank(LTR) 也称为machine-learned ranking (MLR) 定位 机器学习在Ranking系统中应用方法的研究，产出可执行的系统方法 Ranking 问题： 简单的说：一个query下的url list，给出一个排序，使得排序和相关性高低尽可能一致。 传统上使用人工经验来确定特征的权值 得到模型易于理解 性能稳定 依赖于个人经验，难以国际化 效率较低，成本较高 采用机器学习的方法，自动从特征中构建排序模型 提高研发效率，降低国际化壁垒 参数可以自动确定 部分模型的可理解性与可解释性不佳 机器学习的发展 监督学习方法比较成熟 针对ranking的机器学习越来越多（高质量paper 百余篇以上） 为什么需要LTR？ Ranking 很难做 基础相关性 页面质量 页面权威性 …… Ranking 怎么做？ Socre(query,url)= Function(x)=wx+b 为什么需要LT