適合性分布が異なる情報源を用いたランキング学習

数原良彦; 宮原伸二; 植松幸生; 金田有二; 藤野昭典; 片岡良治

文献

J-GLOBAL ID：201102237173621540 整理番号：11A1910146

適合性分布が異なる情報源を用いたランキング学習

Learning to Rank from Multiple Sources of Different Relevance Distributions

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=11A1910146&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=11A1910146&from=J-GLOBAL&jstjournalNo=L7379A") }}

著者 (6件)： , , , , ,
資料名：
巻： 2010 号： 1 ページ： ROMBUNNO.DETABESU,VOL.3,NO.3,99-111 発行年： 2010年10月15日
JST資料番号： L7379A ISSN： 1882-7772 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

情報検索において,機械学習の枠組みでランキング関数の最適化を行うランキング学習が重要な課題である。従来のランキング学習手法では人手による適合性評価,もしくはクリックログから得られる訓練データを利用してきた。我々は,これらの複数情報源を適切に利用し,より高精度なランキング学習を達成することを目標とする。我々は複数情報源から得られる訓練データは,適合性分布が異なると考えた。そのため,訓練データの適合性分布が同一であることを仮定している従来の教師あり学習に基づくランキング学習手法では,複数情報源を用いたランキング学習の実現が困難だと考えられる。そこで我々は,分布が異なる訓練データを用いて転移学習の枠組みに着目し,転移学習をランキング学習に適用することによって適合性分布が異なる複数の情報源を用いたランキング学習の実現を試みる。本稿では,転移学習の枠組みに基づくランキング学習手法TRankBoostを提案し,商用モバイルウェブ検索エンジンの実データを用いた評価実験によって有効性を検証した。評価実験により,TRankBoostによって,従来手法であるRankingSVM,RankBoostと比べてNDCG@5,10の値で上回る精度のランキングを実現することを示した。(著者抄録)

, , , , , , , ,

検索技術 , 人工知能 , その他の情報処理

引用文献 (31件)：

1) Agrawal, R., Halverson, A., Kenthapadi, K., Mishra, N. and Tsaparas, P.: Gener- ating labels from clicks, WSDM '09: Proc. 2nd ACM International Conference on Web Search and Data Mining, pp.172-181, ACM (2009).
2) Brin, S. and Page, L.: The anatomy of a large-scale hypertextual Web search en- gine, WWW7: Proc. 7th International Conference on World Wide Web 7, pp.107・ 117, Elsevier Science Publishers B.V. (1998).
3) Broder, A.: A taxonomy of web search, SIGIR Forum, Vol.36, No.2, pp.3-10 (2002).
4) Burges, C., Shaked, T., Renshaw, E., Lazier, A., Deeds, M., Hamilton, N. and Hullender, G.: Learning to rank using gradient descent, ICML '05: Proc. 22nd In- ternational Conference on Machine Learning, pp.89-96, ACM (2005).
5) Cao, Y., Xu, J., Liu, T.-Y., Li, H., Huang, Y. and Hon, H.-W.: Adapting rank- ing SVM to document retrieval, SIGIR '06: Proc. 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp.186・ 193, ACM (2006).

, , ,

前のページに戻る