RankSvm-基于点击数据的搜索排序算法

题记：开始做毕设了，关于行人重识别的算法研究，目测过程中会遇到很多问题，把问题和解决问题的方法都记录下来，方便回顾。由于原文的数学公式在显示时会间断性出错，所以采用了截图的方式，便于查看。

关于相似性匹配的问题，打算引入推荐排序算法中的RankSvm，看到一篇写得比较详细的帖子，转载过来学习学习~

原文：http://kubicode.me/2016/03/30/Machine%20Learning/RankSvm-Optimizing-Search-Engines-using-Clickthrough-Data/?utm_source=tuicool&utm_medium=referral，by Kubi Code。

       RankSvm是Pairwise的学习排序中最早也是非常著名的一种算法，主要解决了传统PontWise构建训练样本难的问题，并且基于Pair的构建的训练样本也更为接近排序概念。

基本介绍
        RankSvm是在2002年提出的，之前工作关于LTR的工作貌似只有Pointwise相关的,比如PRanking,这样的排序学习算法Work需要含有档位标注的训练样本，一般有以下几种获取方式：
1、需要人工/专家标注。

2、诱导用户对展现的搜索结果进行反馈。
这样就会存在会成本高、可持续性低、受标注者影响大等缺点。
而RankSvm只需要根据搜索引擎的点击日志构建Pair对即可，相对于先前的工作在算法的实用性上有了非常大的改善。

训练样本设计
    

基本思想

RankSVM排序