light box
امتیاز 2.93 رویکرد لیست محور برای یادگیری رتبه بندی: تئوری و الگوریتم">

نوع فایل : word
تعداد صفحات : 19
تعداد کلمات : 3500
مجله : International Conference on Machine Learning
انتشار : 2008
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله: رویکرد لیست محور برای یادگیری  رتبه بندی: تئوری و الگوریتم

 چکیده  

 هدف این مقاله انجام مطالعه‌ای بر روی رویکرد لیست محور برای یادگیری رتبه بندی می‌باشد. این رویکرد، یک تابع  رتبه بندی را با  در نظر گرفتن لیست‌های فردی به صورت نمونه و   کمینه سازی  تابع   زیان تعریف شده در  لیست واقعی و پیش بینی شده  آموزش می‌دهد.  کار های موجود در خصوص این رویکرد بر توسعه الگوریتم‌های جدید متمرکز است و روش‌هایی نظیر RankCosine وListNet   پیشنهاد شده‌اند و عملکرد خوب آن‌ها  مشاهده شده است. متاسفانه، تئوری  اصلی و اولیه به طور کامل  مطالعه نشده است.  برای حل مسئله، این مقاله یک تحلیل نظری بر روی یادگیری جهت رتبه بندی الگوریتم را از طریق بررسی ویژگی‌های تابع زیان،  مشتق پذیری، تحدب و  نیز کارایی پیشنهاد می‌کند. یک شرط کافی برای پیوستگی رتبه بندی ارائه شده است که  این مقاله تحلیلی را بر روی سه تابع زیان انجام می‌دهد. زیان احتمالی، زیان کوسینوس و زیان    آنتروپی.  دو مورد اخیر در RankCosine وListNet    مورد استفاده قرار می‌گیرند.  کاربرد زیان احتمالی منجر به  توسعه یک روش موسوم بخ LISTMLE شده است که تابع زیان آن ویژگی‌های بهتری را ارائه کرده و منجر به نتایج ازمایشی بهتر می‌گردد.

Title: Listwise Approach to Learning to Rank - Theory and Algorithm

Abstract

This paper aims to conduct a study on the listwise approach to learning to rank. The listwise approach learns a ranking function by taking individual lists as instances and minimizing a loss function defined on the predicted list and the ground-truth list. Existing work on the approach mainly focused on the development of new algorithms; methods such as RankCosine and ListNet have been proposed and good performances by them have been observed. Unfortunately, the underlying theory was not sufficiently studied so far. To amend the problem, this paper proposes conducting theoretical analysis of learning to rank algorithms through investigations on the properties of the loss functions, including consistency, soundness, continuity, differentiability, convexity, and effi- ciency. A sufficient condition on consistency for ranking is given, which seems to be the first such result obtained in related research. The paper then conducts analysis on three loss functions: likelihood loss, cosine loss, and cross entropy loss. The latter two were used in RankCosine and ListNet. The use of the likelihood loss leads to the development of a new listwise method called ListMLE, whose loss function offers better properties, and also leads to better experimental results.

ثبت دیدگاه

    • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
    • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
    • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

برای ارسال دیدگاه شما باید وارد سایت شوید.

محصولات مشابه
افزایش ظرفیت برای توسعه کارآمد استعدادهای ورزشی: درک فرصت ها و چالش ها
خـریـد محـصـول
تجزیه و تحلیل مقایسه ای و کاربرد شبکه های عصبی عمیق در پیش بینی کووید -۱۹
خـریـد محـصـول
تاثیر پیام های نوآوری محصول بر قصد خرید محصولات ضروری
خـریـد محـصـول
نوآوری های بنیادی: بین دانش و فرصت های تحقیقاتی آینده
خـریـد محـصـول
تحلیل قصد استفاده از چت بات: مشاوره دامپزشکی
خـریـد محـصـول
اثرات مکمّل های دیجیتال بر بهره وری و اشتغال
خـریـد محـصـول
درک دانشجویان از محیط متنوع یادگیری بر قصد آنها نسبت به کارآفرینی
خـریـد محـصـول
بررسی شیوه های موثر مدیریت منابع انسانی بر حفظ کارمندان: دانشگاه فنی تاماله
خـریـد محـصـول
تأثیر حرفه‌ای گری و تجربه حسابرس بر سطح قضاوت‌های مهم با اخلاق حرفه‌ای
خـریـد محـصـول
تاب آوری کارکنان، القای اطلاعات و ارائه خدمات بین ارائه دهندگان بیمه خدمات درمانی
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا