Listwise approaches based on feature ranking discovery
Yongqing, Wang, Wenji, Mao Mao, Daniel Daniel, Zeng, Fen, Xia · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2012
Listwise 途径是学习到等级的一个重要的班，它利用自动学习技术发现有用信息。关于 listwise 途径的大多数以前的研究集中了于优化用重量评价模型并且使用了不严密地标记的训练数据；优化用特征评价模型大部分这样被忽略这些途径的连续表演改进被妨碍。到地址，以前的 listwise 的限制工作，我们建议一个 quasi-KNN 模型发现评价特征并且采用等级增加统治计算联合的重量。根据这，我们建议三个 listwise 算法， FeatureRank， BLFeatureRank，和 DiffRank。试验性的结果证明我们的建议算法能被用于一个严格的订的评价训练集合并且比最先进的 listwise 算法获得更好的性能。