비부드러운 비용 함수로 순위를 매기기 위한 학습

정보 검색에 사용되는 품질 측정은 문서가 반환되는 정렬된 순서에만 의존하기 때문에 직접 최적화하기 매우 어렵습니다. 따라서 모델 매개변수에 대한 비용의 도함수는 0이거나 정의되지 않습니다. 본 논문에서는 이러한 어려움을 피하기 위해 암묵적 비용 함수로 작업하는 LambdaRank라는 간단하고 유연한 알고리즘 클래스를 제안합니다. LambdaRank를 신경망 모델을 사용하여 설명하지만, 이 아이디어는 모든 미분 가능 함수 클래스에 적용될 수 있습니다. 우리는 결과적인 암묵적 비용 함수가 볼록이기 위한 필요하고 충분한 조건을 제시하며, 일반적인 방법이 간단한 기계적 해석을 가지고 있음을 보여줍니다. 우리는 여러 데이터 세트에서 최신 순위 알고리즘에 비해 상당한 정확도 향상을 입증합니다. 또한 LambdaRank가 해당 순위 알고리즘의 훈련 단계를 획기적으로 가속화하는 방법을 제공함을 보여줍니다. 비록 본 논문은 순위 매기기와 관련되어 있지만, 제안된 방법은 비부드럽고 다변량 비용 함수에 확장할 수 있습니다.