Learning to Rank：Point-wise、Pair-wise 和 List-wise区别

最新推荐文章于 2025-05-26 21:02:03 发布

转载

最新推荐文章于 2025-05-26 21:02:03 发布 · 1.3w 阅读

文章标签：

#数据结构与算法 #人工智能

本文介绍了机器学习中的Learning to Rank技术，详细讲解了Pointwise、Pairwise和List-wise三种方法的特点、优缺点以及改进方案。Pointwise方法将每个文档视为独立样本，而Pairwise方法关注文档对之间的排序，List-wise方法则考虑整个列表的排序。各种方法在处理数据和损失函数上有不同侧重，适用于不同的应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习的 ranking 技术——learning2rank，包括 pointwise、pairwise、listwise 三大类型。

【Ref-1】给出的：

Point wise ranking is analogous to regression. Each point has an associated rank score, and you want to predict that rank score. So your labeled data set will have a feature vector and associated rank score given a query

IE: {d1, r1} {d2, r2} {d3, r3} {d4, r4}

where r1 > r2 > r3 >r4

Pairwise ranking is analogous to classification. Each data point is associated with another data point, and the goal is to learn a classifier which will predict which of the two is "more" relevant to a given query.

IE: {d1 > d2} {d2 > d3} {d3 > d4}