随着互联网信息的快速增长,搜索引擎成为辅助用户获取信息的重要手段,其核心是排序。近年,排序学习技术被大规模应用到搜索引擎,取得了巨大的商业成功,同时推动了排序学习学科的发展,使其成为学术界广泛关注的热点研究问题。排序学习的根本是反映用户对于给定查询下文档满足其信息需求的顺序关系的评价。然而,无论是排序学习的算法,训练数据所依赖的标注方式,还是排序学习的目标,均与用户评价准则不一致,这成为排序学习面临的最大挑战。针对上述挑战,本课题拟以互联网搜索为应用场景,研究基于评价准则的排序学习算法的统计一致性以指导建立融合位置信息的排序学习算法,研究基于点对间偏好关系的标注策略以指导建立基于相对相关度的标注方式,研究基于概率图模型的排序学习框架以指导建立融合相关性和多样性目标的排序学习框架。本课题的研究,能够帮助建立更符合用户评价准则的排序学习模型,推动排序学习技术在互联网中更为广泛有效的使用。
英文主题词Learning to Rank;Evaluation Measures;Statistical Consistency;Diversity;