順位情報に基づいたランキングSVMの適応的重み付けに関する一考察(分類・回帰・クラスタリング,テキスト・Webマイニング,一般)

概要

論文の詳細を見る
本稿では,ランキングサポートベクトルマシン(ランキングSVM)のための新しい学習アルゴリズムを提案する.特に,重み付きランキングSVMの学習に順位情報を導入する問題について考察する.情報検索では,ユーザが上位にランクされたドキュメントのみを重視するため,評価基準(例えば,normalized discounted cumulative gain:NDCGなど)がランキングの順位情報に依存したものとなっている.順位情報をランキング学習に導入する際に問題となるのは,最終的なランキングの順位がランキングSVMを学習し終わるまでわからないことである.この問題に対処するため,本研究では,学習過程で適応的に順位依存の重みを変更するアプローチを提案する.具体的には,正則化パス追跡を導入し,順位情報の変化を検出して重みを適応的に変更しながら最適解のパスを計算する.本稿では,上記のアプローチの実装として,正確なパス追跡を行うアルゴリズムと近似的なパス追跡を行うアルゴリズムを提案する.前者は正確に順位情報の変化を検出できる特長を持ち,後者は前者に比べて計算コスト,スケーラビリティの面で優れている.本稿では,提案アプローチを大規模な情報検索タスクに適用し,その有効性を検証する.
2011-03-21