رتبه بندی بازیابی اطلاعات با استفاده از یادگیری نظارتی و انتخاب بهینه ویژگی ها

در این پژوهش ما با توجه به دیتاست های LETOR و Yahoo! که از پروژه های است که برای تحقیقات یادگیری برای رتبه بندی ایجاد شده است. در اینجا ویژگی های که در این دیتاست ها مشخص شده اند، سعی میکنیم که یک زیر مجموعه بهینه، از ویژگی ها را برای آموزش مدل های یادگیری مختلف با توجه به ترکیبی از روش های انتخاب ویژگی فیلترینگ و wrapper به کار ببریم. و یک مدل کارا و سریع بر روی ویژگی ها، و همچنین ساده و قابل فهم برای رتبه بندی اسناد با زیر مجموعه ی انتخابی از ویژگی ها ارایه کنیم. و نتایج به دست آمده را با روش های استاندارد دیگر به وسیله ی معیار NDCGوMAP و نرخ پراکندگی ویژگی ها مقایسه و ارزیابی می کنیم.

کلیدواژه ها:

رتبه بندی ، یادگیری برای رتبه بندی ، انتخاب ویژگی ، بازیابی اطلاعات ، فیلترینگ