ارائه الگوريتمي مبتني بر يادگيري جمعي به منظور يادگيري رتبه بندي در بازيابي اطلاعات

A new algorithm based on ensemble learning for learning to rank in information retrieval

يادگيري رتبه بندي كه يكي از روش هاي يادگيري ماشين براي مدل كردن رتبه بندي است، امروزه كاربردهاي بسياري به خصوص در بازيابي اطلاعات، پردازش زبان طبيعي و داده كاوي دارد. فعاليت يادگيري رتبه بندي را مي توان به دو بخش تقسيم كرد. يكي سيستم يادگيري مورد استفاده و ديگري سيستم رتبه بندي. در سيستم يادگيري، يك مدل رتبه بندي بر اساس داده هاي ورودي ساخته مي شود. در بخش سيستم رتبه بندي، از اين مدل ساخته شده براي پيش بيني رتبه بندي استفاده مي شود. در اين مقاله يك الگوريتم پيشنهادي مبتني بر يادگيري جمعي به منظور يادگيري رتبه بندي اسناد ارائه مي شود كه اين الگوريتم به صورت تكراري يادگيرهاي ضعيفي بر روي درصدي از داده هاي آموزشي كه توزيع آنها بر اساس يادگير قبلي عوض شده است، مي سازد و جمعي از يادگيرهاي ضعيف را براي رتبه بندي توليد مي كند. اين الگوريتم سعي مي كند تا با ساختن رتبه بند بر روي درصدي از داده ها، سبب افزايش دقت و كاهش زمان شود. با ارزيابي بر روي مجموعه داده لتور 3 ديده مي شود كه بهتر از الگوريتم هاي ديگري در اين زمينه كه مبتني بر يادگيري جمعي هستند، عمل مي كند.

Learning to rank refers to machine learning techniques for training a model in a ranking task. Learning to rank has been shown to be useful in many applications of information retrieval, natural language processing, and data mining. Learning to rank can be described by two systems: a learning system and a ranking system. The learning system takes training data as input and constructs a ranking model. The ranking system then makes use of the learned ranking model for ranking prediction. In this paper, a new learning algorithm based on ensemble learning for learning ranking models in information retrieval is proposed. This algorithm iteratively constructs weak learners using a fraction of the training data whose weight distribution is determined based on previous weak learners. The proposed algorithm combines the weak rankers to achieve the final ranking model. This algorithm constructs a ranking model on a fraction of the training data to increase the accuracy and reduce the learning time. Experimental results based on Letor.3 benchmark dataset shows that the proposed algorithm significantly outperforms other ensemble learning algorithms.