知识卡片
召回候选后再学习重排
书中搜索先得到较小Top候选集,再用查询文档特征和训练的打分函数重排,兼顾计算代价与相关性。离线训练包括标注、特征抽取和模型学习,在线要使用一致的特征定义。重排只能调整已召回候选,前一阶段漏掉的相关文档不会因重排自动出现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习:分布式算法 · 查看原书依据
通过多个训练实例,就可以采用机器学习技术来对系统进行训练,训练的结果往往是一个分类函数或者回归函数,在之后的用户搜索中,就可以用这个分类函数对文档进行打分,形成搜索结果。在实际应用的机器学习排序时,这往往是作为一个搜索结果后处理的再排序过程,即首先利用人工拟合排序公式给出最初的搜索结果,然后取排名较高的Top搜索结果进行机器学习排序,这样可以兼顾效率和准确性。
参考来源
- 位置:《大数据日知录:架构与算法》第16章《机器学习:分布式算法》,原文段落88,OEBPS/text00021.html。
- 结论依据:原书给出的机制、公式或算法与其适用范围;实验百分比和2014年系统状态不当作当前普遍保证。
- 原始内容:通过多个训练实例,就可以采用机器学习技术来对系统进行训练,训练的结果往往是一个分类函数或者回归函数,在之后的用户搜索中,就可以用这个分类函数对文档进行打分,形成搜索结果。在实际应用的机器学习排序时,这往往是作为一个搜索结果后处理的再排序过程,即首先利用人工拟合排序公式给出最初的搜索结果,然后取排名较高的Top搜索结果进行机器学习排序,这样可以兼顾效率和准确性。