【TensorFlow】TensorFlow 的排序学习库（TF-Ranking）

TF-Ranking 是一个基于 TensorFlow 平台，用于解决大规模的排名问题的开源库。 它基于通常称为“排序学习/ Learning to Rank” (LTR) 的底层技术。 这种技术被广泛地应用于如搜索和推荐。 TF-Ranking 是第一个用于 LTR 问题的开源深度学习库，并已被工业界广泛采用。接下来介绍一下该库的主要功能和一些小例子。

行业采用情况：

• 英领
• Grubhub
• 知乎
• 爱奇艺
• …

排序学习

常用场景如下：

TF-Ranking架构

TF-Ranking主要模块

• 损失函数：排序损失是排序学习的核心技术
• 指标：排序效果应以排序指标作为最佳评估标准
• 流水线：流水线易于使用，可用来构建和训练排序学习模型

损失函数：可被归为3中方法

1）单文档法

• 将各文档分开考虑
• 部分示例包括：有序回归、分类、渐进梯度回归树（GBRT）
  

2）文档对法

• 考虑文档对：考虑文档A是不是比文档B更相关
• 部分示例包括：RankNet、RankSVM、RankBoost
  

3）文档列表法

• 考虑整个列表的排序
• 部分示例把包括：LambdaMART、ApproxNDCG、List{Net, MLE}
  

支持的损失函数示例

支持的排序指标示例

TF-Ranking流水线

用户只需要定义绿色模块：

实现上述步骤的代码：