排序学习方法总结.docxVIP

排序学习方法 引 Learning to Rank在淘宝中的应用 怎样把用户想要的、好的商品排到网页的前面；怎样调节不同卖家的流量:给质量好的 并且价格不便宜的商品更多流量，来引导市场更加规范是淘宝运营要考虑的问题。需要解决 的问题其实是很复杂的,比如对商品如何排序、按什么标准排序、排序结果如彳可判断这一系 列问题。 淘宝将商品分为五个等级：bad/fair/good/excellent/prefect0但判断商品的好坏要用到 很多特征，比如：商品人气分、卖家分、图像质量、客户反馈分等等，随着时间的变化，新 的特征在不断的加入，每个特征是站在不同的角度来描述商品的好坏，这些分数也根据不同 的规则形成，而如何对这些分数通过线性加权的方式获得最终的排序也非常的重要。排序学 习方法可以用来解决这个问题。 淘宝通过Learning to Rank的方法，通过机器学习模型来自动调整模型参数，但不产 生新特征,之后新加入的特征会通过模型来确定它的最优参数。 1-排序学习方法简述 (1 )什么是排序学习方法？排序学习方法用来做什么的？ 排序学习是当前文本检索领域的研究热点，它使用机器学习的方法训练岀对数据排序特 征的f排序函数。 排序学习方法将机器学习方法引入到信息检索的文档相关性排序问题中，充分考虑各种 排序方法对最终排序结果的影响，通过训练学习排序模型，将各种排序方法视为特征，对文 档的相