应用基於排序相关系数之特徵向量转换於资讯检索排序模型学习.PDF

應用基於排序相關係數之特徵向量轉換於資訊檢索 排序模型學習 Feature-Level Context Transformation for Learning to Rank for Information Retrieval Based on Rank-Order Correlation * 葉鎮源 Jen-Yuan Yeh 國立自然科學博物館營運典藏與資訊組 館前路 1 號 臺中市404 北區 jenyuan@.tw 林忠億 Jung-Yi Lin 鴻海精密工業股份有限公司創新數位系統事業群 基湖路32 號 臺北市 114 內湖區 jungyilin@ 鄭培成 Pei-Cheng Cheng 健行科技大學資訊管理學系 健行路229 號 桃園縣320 中壢市 pccheng@.tw 楊維邦 Wei-Pang Yang 國立東華大學資訊管理學系 大學路二段 1 號 花蓮縣974 壽豐鄉 wpyang@.tw 摘要 排序模型學習一般以特徵向量表示輸入的樣本資料，運用機器學習對已正確排序 (或分類)的資料分析歸納，自動建構出有效的排序模型或規則 。本文基於排序相關係 數(Rank-Order Correlation Coefficient)計算不同特徵在排序特性的關聯程度 ，並藉由特 徵關聯作中介轉換，將特徵向量映射到特徵關聯空間(Feature Correlation Space) ，使得 特徵向量由一階表徵(First-Order Raw Representation)提升到二階表徵(Second-Order Context Representation) 。同時，以二階表徵特徵向量作為資料表示，整合RankSVM 建 構一線性函式(Linear Function)形式的二元分類器 ，用來判別兩兩文件是否為正確排 * 本文通訊作者。 1 2 應用基於排序相關係數之特徵向量轉換於資訊檢索排序模型學習 序，進而推導建立所有文件的排序序列。實驗使用LETOR 4.0 資料集驗證本文所提方 法的可行性 ，評估指標選用MAP 和MeanNDCG ，並以RankSVM 為基準 ，比較二階 表徵特徵向量對於排序模型學習的影響 ，評估結果顯示本文所提方法的可行性 。 關鍵詞: 文件檢索、排序模型學習、特徵關聯計算、特徵向量二階表徵轉換、排序預 測與評估 。