再理解RankNet算法

再理解RankNet算法

     

    前面的一篇博文介绍了学习排序算法（Learning to Rank）中的RankNet算法。如下：

http://blog.csdn.net/puqutogether/article/details/42124491

    那次的入门对其中的算法流程和基本原理没有深入了解，这次看自动摘要提取算法的时候，里面有一个排序单元，使用到的就是学习排序算法中的RankNet，这个时候才理解了。这就说明，有的时候回过头来看某些算法，你的认识会加深的。

   好了，这次主要说一下RankNet这个算法的基本流程和原理。

    RankNet算法是从概率的角度解决排序问题。

    首先，我们需要求得的是一个排序函数，就是当我们输入样本的特征向量的时候，可以输出该样本的顺序“得分”，实现排序。在RankNet中，排序函数定义为一个三层的神经网络模型。输入层和样本特征维数有关，输出层是一个节点（得分），排序函数定义为：