开源TF-Ranking可扩展库,支持多种排序学习

2018 年 12 月 20 日 机器学习算法与Python学习
铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI

最近,谷歌新开源了可扩展的TensorFlow库TF-Ranking,可用于学习排序。所谓学习排序,也就是对项目列表进行排序,从而将整个功能最大化的过程。TF-Ranking中有一套完整的学习排序的算法,包含成对或列表损失函数、多项目评分、排名度量优化和无偏见的学习排名。

谷歌在官方博客表示,TF-Ranking在创建高质量排名模型时速度快且易于使用,这套统一的框架能帮助ML研究人员、从业者和爱好者能够在单个库中评估和选择一系列不同的排名模型。

谷歌还提供了灵活的API,用户可以在其中定义和插入自己的自定义损失函数、评分函数和衡量标准,开发自己的自定义模型。

支持现有算法和衡量标准

TF-Ranking的适用性很广,既可支持目前广泛使用的排序学习算法,还能通过嵌入和扩展到数亿个训练示例来处理稀疏特征。

TF-Ranking支持许多常用的排名衡量标准,包括平均倒数排名(MRR)和NDCG,还可以在TensorBoard(开源TensorFlow可视化仪表板)上显示这些标准。

多项评分

TF-Ranking支持与以往不同的评分机制,比如,可以挑战一把多项目评分。这是此前的一个难以进行推理的行业瓶颈。

TF-Ranking提供的List-In-List-Out(LILO)API能将所有这些逻辑包装在导出的TensorFlow模型中。

研究人员在论文中介绍说,让TF-Rankin在公共LETOR基准测试中进行多项目评分,进而与RankNet、MART和LambdaMART等最先进的学习模型相比,TF-Rankin具有竞争力。

优化排名标准

学习排名中的一个重要研究挑战是排名标准的直接优化。在TF-Ranking中,研究人员提出了一种新方法LambdaLoss,是为排名标准优化准备的概率框架。

在此框架中,可以通过期望最大化过程来设计和优化标准驱动的损失函数。

除了上述特征外,研究人员最后再次强调, TF-Ranking也是一个无偏见的排序学习库。

这篇新博客就酱,对TF-Ranking感兴趣的话,可进一步探索以下官方资料:

传送门

博客地址:
https://ai.googleblog.com/2018/12/tf-ranking-scalable-tensorflow-library.html

论文地址:
https://arxiv.org/abs/1812.00073代码地址:

https://github.com/tensorflow/ranking

教程地址:
https://github.com/tensorflow/ranking/tree/master/tensorflow_ranking/examples


推荐阅读

Python 3基础语法知识点都在这里了,如果还不能入门就不能怪我了

下载 | 100页机器学习入门完整版,初学者必备!

下载 | 《统计学习方法》最新PPT+代码

斯坦福 | 156页PDF讲解【神经网络阅读理解】

华为,你终于活成了他们害怕的样子

送书 | 2018年机器学习图书TOP10,双重好礼【第16期】

20 分钟教你搞懂 Git!


登录查看更多
3

相关内容

排序是计算机内经常进行的一种操作,其目的是将一组“无序”的记录序列调整为“有序”的记录序列。分内部排序和外部排序。若整个排序过程不需要访问外存便能完成,则称此类排序问题为内部排序。反之,若参加排序的记录数量很大,整个序列的排序过程不可能在内存中完成,则称此类排序问题为外部排序。内部排序的过程是一个逐步扩大记录的有序序列长度的过程。
【论文扩展】欧洲语言网格:概述
专知会员服务
6+阅读 · 2020年3月31日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
TF Boys必看!一文搞懂TensorFlow 2.0新架构!
引力空间站
18+阅读 · 2019年1月16日
论文浅尝 | 用可微的逻辑规则学习完成知识库推理
开放知识图谱
14+阅读 · 2018年7月5日
Github 项目推荐 | 用 TensorFlow 实现的模型集合
AI研习社
5+阅读 · 2018年2月14日
微软发布Visual Studio Tools for AI
AI前线
4+阅读 · 2017年11月20日
Arxiv
38+阅读 · 2020年3月10日
Learning to Focus when Ranking Answers
Arxiv
5+阅读 · 2018年8月8日
Arxiv
5+阅读 · 2018年3月28日
Arxiv
5+阅读 · 2017年7月23日
VIP会员
Top
微信扫码咨询专知VIP会员