[nlp] pointwise,pairwise,listwise

这篇博客介绍了自然语言处理中的三种排序模型:Pointwise将排序问题视为二分类,Pairwise关注正负样本对的顺序,而Listwise则考虑整个候选列表。Pointwise常见但可能不准确,Pairwise通过比较得分改善排序,Listwise通过全答案空间建模更接近真实排序。研究表明,在某些数据集上,Listwise表现优于Pointwise。
摘要由CSDN通过智能技术生成

pointwise更为常见,根据某个样本和答案的匹配关系进行展现。

pairwise是损失函数用了正负样本对的预测概率大小关系。更注重两者前后顺序。

重排常用到 listwise。

1 Pointwise

在pointwise中把排序问题当成一个二分类问题

训练样本 可以理解为三元组:

模型:二分类模型 h

损失函数:二分类交叉熵。训练方式分为 Y 为 soft_label 或者 hard_label 了。

预测时,二分类模型 用 预测概率 来排序候选答案。 

2 Pairwise:qp对 (损失函数的不同)

在pairwise方法中排序模型 让正确的回答的得分 明显高于 错误的候选回答。给一个提问,pairwise给定一对候选回答学习并预测 <

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值