ListNet和ListMLE

背景

ListNet和ListMLE都是listwise的排序方法

 

ListNet

ListNet用如下公式表示一种排列的概率：

举个例子：

假设有3个doc <doc₁, doc₂, doc₃>，对应的score为 <s₁, s₂, s₃>，那么对于这样一种排列 <s₂, s₃, s₁>，其概率为：

这样，得到排列的概率分布后，我们就可以用交叉熵来计算loss了：

 可以看出LIstNet的计算一个query时间复杂度为n!，非常高。再实践中只会计算top k文档排列概率，时间复杂度降为n!/(n-k)!

 

ListMLE

ListMLE和ListNet的主要不同点在与，ListMLE采用了最大似然估计来计算损失，ListMLE的loss可以表示为：

 

参考资料

《Learning to Rank: From Pairwise Approach to Listwise Approach》

《Listwise Approach to Learning to Rank - Theory and Algorithm》