文献类型：期刊文章

作　　者：李金忠[1,2,3,4] 刘关俊[1,2]

机构地区：[1]同济大学电子与信息工程学院计算机科学与技术系,上海201804 [2]同济大学嵌入式系统与服务计算教育部重点实验室,上海201804 [3]井冈山大学流域生态与地理环境监测国家测绘地理信息局重点实验室,江西吉安343009 [4]井冈山大学电子与信息工程学院计算机科学与技术系,江西吉安343009

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61572360)资助;上海市教育发展基金;上海市教育委员会项目(15SG18)资助;江西省教育厅科技计划项目(GJJ14561)资助;网络与数据安全四川省重点实验室开放课题(NDSMS201602)资助

年　　份：2017

卷　　号：38

期　　号：5

起止页码：1044-1048

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：鲁棒性在排序学习中显得越来越重要,而现有排序学习算法多数仅关注改进排序模型的有效性,往往忽略了排序模型的鲁棒性.为了增强排序模型的鲁棒性,在训练排序模型的过程中可同时考虑其有效性和鲁棒性.从一个新颖的视角,即偏差-方差均衡,研究了如何优化LambdaMART排序学习的有效性和鲁棒性均衡.将偏差和方差融合为一个统一的目标函数以修改LambdaMART算法中的梯度,并证明了修改后的梯度仍可采用LambdaMART算法去优化以训练排序模型.最后,在排序学习数据集上的实验结果表明,基于偏差-方差均衡思想所修改梯度后的LambdaMART算法具有更强的鲁棒性.

关 键 词：排序学习  排序模型  鲁棒性 偏差  方差  LambdaMART算法  

分 类 号：TP18]