To Top
首页 > 常用平台 > 正文

tf-ranking

标签:tf-ranking


目录

参考TF-Ranking:为 Learning-to-Rank 打造的可扩展 TensorFlow 库

https://github.com/tensorflow/ranking

https://github.com/tensorflow/ranking/tree/master/tensorflow_ranking/examples

TF-Ranking: Scalable TensorFlow Library for Learning-to-Rank

安装

bazel build //tensorflow_ranking/tools/pip_package:build_pip_package
bazel-bin/tensorflow_ranking/tools/pip_package/build_pip_package /tmp/ranking_pip

这样就产生了一个whl文件(要求tf1.12.0+)

TF-Ranking 能通过嵌入和扩展至数百亿个训练实例来处理稀疏特征(如原始文本)

TF-Ranking 支持许多常用的排名指标,包括平均倒序排名 (MRR) 和标准化折扣累积收益 (NDCG)。

TF-Ranking 支持一种新颖的评分机制,可以对多个项目(例如网页)执行联合评分,这是对传统评分范例(对单个项目进行独立评分)的扩展。关于多项目评分,我们经常面临的一个挑战是,难以判断需将哪些项目进行分组并在子组中进行评分。然后,累计每个项目的评分并用于排序。为了让用户免于接触这些复杂原理,TF-Ranking 提供了一个List-In-List-Out (LILO) API,将所有逻辑封装于导出的 TensorFlow 模型内。

简介

定义

\(x\)

打分函数

损失函数


原创文章,转载请注明出处!
本文链接:http://daiwk.github.io/posts/platform-tf-ranking.html
上篇: pytext
下篇: Pointer Networks和组合优化

comment here..