サンプリング速度における学習-ランク:最小計算複雑性によるPlackett-Luce勾配推定【JST・京大機械翻訳】

Oosterhuis Harrie

プレプリント

J-GLOBAL ID：202202220089486062 整理番号：22P0337083

サンプリング速度における学習-ランク:最小計算複雑性によるPlackett-Luce勾配推定【JST・京大機械翻訳】

Learning-to-Rank at the Speed of Sampling: Plackett-Luce Gradient Estimation With Minimal Computational Complexity

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年04月22日プレプリントサーバーでの情報更新日： 2022年04月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

Plackett-Luce勾配推定は,サンプリング技術を通して実現可能な時間制約の中で確率的ランキングモデルの最適化を可能にする。残念なことに,既存の方法の計算複雑性は,ランキングの長さ,すなわちランキングカットオフ,またはアイテム収集サイズによってよくスケールしない。本論文では,最良のソーティングアルゴリズムに匹敵する計算量で不偏勾配推定を行う新しいPL-Rank-3アルゴリズムを導入した。結果として,著者らの新しい学習-ランク法は,標準ソーティングが妥当な時間で実現可能である任意のシナリオに適用可能である。この実験結果は,性能の損失なしに最適化に必要な時間の大きな利得を示した。フィールドでは,著者らの貢献は,最先端の学習ツーランク法を,以前に実現可能よりも遥かに大きなスケールに適用することができる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 数値計算

, , ,

前のページに戻る