根据目前了解的迹象表明,RankSVM应该是T。T. Joachims. Optimizing search engines using clickthrough data. In KDD ’02:ACMSIGKDD.提出来的。后来O. Chapelle and S. Keerthi. Efficient algorithms for ranking with svms. Information Retrieval, 18, 2010. 提出primal SVM(PRSVM),提高了运算效率,应用在document retrieval 中。Bryan et al.BMVC2013 提出Ensemble RankSVM解决memory consumption问题,并应用于Person re-identification.
下面重点总结一下将RankSVM应用于Personre-identification问题。
在传统svm中是找到分类超平面使正负例的分类间隔最大化,在ranking问题中不存在绝对的正负例,而是要使得正确匹配的得分x_{s}^{+}大于错误匹配的得分x_{s}^{-},即(x_{s}^{+}-x_{s}^{-})>0,并且使得(x_{s}^{+}-x_{s}^{-})最大化。
定义查询样本x对于样本xi