文献

J-GLOBAL ID：202002236126571682   整理番号：20A1797614

ランク理論と実践への不偏学習【JST・京大機械翻訳】

Unbiased Learning to Rank Theory and Practice

著者 (4件)： Ai Qingyao (University of Massachusetts Amherst, Amherst, MA, USA) ,  Mao Jiaxin (Tsinghua University, Beijing, China) ,  Liu Yiqun (Tsinghua University, Beijing, China) ,  Croft W. Bruce (University of Massachusetts Amherst, Amherst, MA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICTIR ’18  ページ： 1-2  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 陰的ユーザフィードバック(クリックや滞留時間のような)は,現代の検索エンジンのための重要なデータ源である。重度に偏った~石引用石は,2005年,2007年4月に,検索ランキングや質問推薦のようなユーザ中心検索アプリケーションにとって,収集し,特に有用である。バイアスなしで暗黙のユーザフィードバックから効果的に学習できる,現在のシステムに固有のバイアスを理解し,学習を設計することは,現代の検索エンジンの品質を著しく改良できる重要な研究方向である。このような非バイアス学習-ランク(ULTR)システムを開発するために,以前の研究は,不偏関連性信号を持つランキングシステムを抽出し訓練するためのユーザ行動仮説を持つ確率的グラフィカルモデル(例えばクリックモデル)の構築に焦点を当てた。最近,不偏学習に対する検査傾向をランク付けし,採用する新しい対抗学習フレームワークは,学界と産業の両方で多くの注目を集めている。その人気にもかかわらず,グラフィカルモデルと対物的学習に基づく不偏学習-ランクフレームワークの系統的比較と解析は存在しない。このチュートリアルでは,不偏学習のための基本機構とアルゴリズムの概要を提供する。各学習フレームワークの背後にある理論を記述し,解析し,実践でランク付けする不偏学習を行う方法に関する詳細な指示を与えた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  滞留時間 ,  等級づけ ,  バイアス ,  検索エンジン
準シソーラス用語： ユーザ行動 ,  ユーザフィードバック ,  確率的グラフィカルモデル ,  検索プログラム , 【Automatic Indexing@JST】

著者キーワード (3件)： クリックモデル ,  反事実的学習 ,  ランクへの不偏学習

分類 (3件)： 検索技術  (AC06020S) ,  その他の情報処理  (JE15050M) ,  情報検索一般  (AC06010H)

タイトルに関連する用語 (2件)： 理論 ,  学習