Um método de vetor de suporte para otimizar a precisão média

O aprendizado de máquina é comumente utilizado para melhorar sistemas de recuperação classificados. Devido a dificuldades computacionais, poucas técnicas de aprendizado foram desenvolvidas para otimizar diretamente a precisão média (MAP), apesar de seu uso generalizado na avaliação desses sistemas. As abordagens existentes que otimizam o MAP ou não encontram uma solução globalmente ótima, ou são computacionalmente caras. Em contraste, apresentamos um algoritmo de aprendizado SVM geral que encontra de forma eficiente uma solução globalmente ótima para uma relaxação simples do MAP. Avaliamos nossa abordagem usando os corpora TREC 9 e TREC 10 Web Track (WT10g), comparando com SVMs otimizados para precisão e ROCArea. Na maioria dos casos, mostramos que nosso método produz melhorias estatisticamente significativas nas pontuações de MAP.