搜索排名：基于lightgbm的learn2rank

原创

于 2020-10-03 11:34:26 发布 · 2.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#lightgbm #learn2rank #learn #learn to

本文介绍了基于LightGBM的Learning-to-Rank（L2R）方法，探讨了pointwise、pairwise和listwise等排序方式。重点讨论了L2R中的特征工程，包括web graph、document statistics、document classifier等，并提到了如何处理多分类特征。通过代码示例展示了LightGBM在分类任务中的应用，并分析了其在L2R问题中的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

learning2rank

pointwise：一个文档一个point，计算得分。可以排序；回归问题，分类问题都可。
pairwise：任何两篇的排序；
listwise：所有文档的排序损失之和。

lightgbm

LightGBM is a gradient boosting framework that uses tree based learning algorithms.
https://lightgbm.readthedocs.io/en/latest/

基于lightgbm的learning2rank

语料

https://webscope.sandbox.yahoo.com/catalog.php?datatype=c

格式：

0 qid:1 10:0.89028 11:0.75088 12:0.01343 17:0.4484 18:0.90834 21:0.77818 27:0.71505 29:0.77307 30:0.75925 39:0.65244 43
:0.79394 44:0.88406 45:0.87946 66:0.63696 69:0.24961 70:0.41479 71:0.82664 74:0.78587 77:0.70475 83:0.55661 85:0.7212 8
6:0.93081 91:0.34635 98:0.70029 101:0.96287 108:0.19608 122:0.85512 123:0.18873 124:0.46599 127:0.43434 129:0.048097 13
3:0.44747 139:0.92407 145:0.46578 146:0.57682 147:0.63382 149:0.84404 154:0.73041 155:0.50316 159:0.30671 170: