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
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。
\(x\)