Learning to Rank

最近因为工作需要，涉及到了Learning to Rank的问题，这里会记录我学习中的每一个有意义的步骤。

抽象问题

想要解决一个日常生活中的问题，最关键的往往不是使用具体哪一种方法，用什么框架，而是如何把问题抽象出来？并且如何设计训练集？

那网页排名来举例，这个问题传统上是利用人为构造得分函数来实现的，比如BM25等；但近年来这一问题已经被转变为一种监督式的机器学习。

• 训练集
  训练集可以表示为 $$\{(\mathbf x_j^q, l_j^q)\}$$
  其中：$q\in(0, n)$表示querys的数量；$j\in(1, m_q)$表示该条query所含有的文件数；$\mathbf x_j^q\in \mathbb R^d$表示query q 和第j个文档所对应的d维向量，而$l_j^q$表示$\mathbf x_j^q$的相关系数。