Optimización de salida temprana para sistemas de clasificación aditiva basados en aprendizaje automático

Algunos motores de búsqueda web comerciales dependen de sistemas complejos de aprendizaje automático para clasificar documentos web. Debido a los tamaños de colección muy grandes y a las estrictas restricciones en los tiempos de respuesta de las consultas, la eficiencia en línea de estos sistemas de aprendizaje forma un cuello de botella. Un problema importante en dichos sistemas es acelerar el proceso de clasificación sin sacrificar mucho de la calidad de los resultados. En este documento, proponemos estrategias de optimización que permiten eludir los cálculos de puntajes en sistemas de aprendizaje aditivo. Las estrategias se evalúan sobre un sistema de aprendizaje automático de última generación y un gran registro de consultas de la vida real, obtenido de Yahoo!. Con las estrategias propuestas, podemos acelerar los cálculos de puntajes más de cuatro veces, con casi ninguna pérdida en la calidad de los resultados.