排序主要的三种损失函数（pointwise、pairwise、listwise）

本篇文章主要介绍三种损失函数，pointwise、pairwise、listwise。

1. 单点法（Pointwise）

释义

Pointwise 仅考虑单个query和document的关系，会把将问题转化为多分类或回归问题，对于分类问题，正负例可以通过用户的点击来构造。

示例

对于如下数据，我们可以使用二分类训练模型，数据之间没有影响关系。

缺点

• Pointwise 完全从单文档的分类角度计算，没有考虑文档之间的相对顺序。所有正样本之间的相关性，是不会考虑（比如用户搜索「刘亦菲」，「刘亦菲百度百科」要好于「刘亦菲已出道10年」，但是point wise却无法分别），同样所有的负样本之间的相关性也是不会考虑的。然而排序追求的是排序结果，并不要求精确打分。
• 损失函数中没有引入url排序的位置信息，因此，损失函数可能会过多强调那些不重要的结果，即那些排序在后面对用户体验影响小的结果。

2.配对法（Pairwise）

释义