中国斜学我术大草 University of Science and Technology of China 背景介纽 1.Learning to Rank(LtR):机器学习排序.在IR系统中，给定(Q,D),通过机器学 习的方式，度量查询和候选文档集合之间的相似度(Score)并进行排序过程 2.排序器中Scorer)原理：Gradient-BoostedRegression Trees(GBRT),Lambda- MART(-MART).都属于基于多颗回归树的集成模型.利用均方误差的负梯 度在当前模型的值作为残差的近似值，从而拟合一个回归树. 3.Scorer模型规模：模型中树的个数：数千，特征数量：数百，叶节点个数：数十. 在每颗树T=(N,L)中，中间node(N)存储特征id,门限等，leaves(L)存储Score. 育剑 TI-I 寰 s(x)= ∑ wh·eh(x).val 感 宇 h=0 题 才府背景介绍: 1.Learning to Rank(LtR):机器学习排序 . 在IR系统中,给定(Q,D),通过机器学 习的方式,度量查询和候选文档集合之间的相似度(Score)并进行排序过程. 2.排序器中Scorer原理: Gradient-BoostedRegression Trees(GBRT) , Lambda￾MART(λ-MART) .都属于基于多颗回归树的集成模型.利用均方误差的负梯 度在当前模型的值作为残差的近似值，从而拟合一个回归树. 3.Scorer模型规模:模型中树的个数:数千, 特征数量:数百 ,叶节点个数:数十. 在每颗树T= (N,L)中,中间node(N)存储特征id,门限等,leaves(L)存储Score