Spark分布式机器学习 - Learning to rank排序学习算法

一、课程优势

本课程有陈敬雷老师的清华大学出版社配套新书教材《分布式机器学习实战》人工智能科学与技术丛书，

新书配合此实战课程结合学习，一静一动，互补高效学习！

本课程由互联网一线知名大牛陈敬雷老师全程亲自授课，技术前沿热门，是真正的互联网工业级实战项目。

二、课程简介

Learning to Rank排序学习是推荐、搜索、广告的核心方法。排序结果的好坏很大程度影响用户体验、广告收入等。排序学习可以理解为机器学习中用户排序的方法，是一个有监督的机器学习过程，对每一个给定的查询－文档对，抽取特征，通过日志挖掘或者人工标注的方法获得真实数据标注。然后通过排序模型，使得输入能够和实际的数据相似。
常用的排序学习分为三种类型：PointWise、PairWise和ListWise。
1）PointWise
单文档方法的处理对象是单独的一篇文档，将文档转换为特征向量后，机器学习系统根据从训练数据中学习到的分类或者回归函数对文档打分，打分结果即是搜索结果或推荐结果。
2）PairWise
对于搜索或推荐系统来说，系统接收到用户査询后，返回相关文档列表，所以问题的关键是确定文档之间的先后顺序关系。单文档方法完全从单个文档的分类得分角度计算，没有考虑文档之间的顺序关系。文档对方法则将重点转向量对文档顺序关系是否合理进行判断。之所以被称为文档对方法，是因为这种机器学习方法的训练过程和训练目标，是判断任意两个文档组成的文档对是否满足顺序关系，即判断是否D0C1应该排在DOC2的前面。常用的PairWise实现有SVM Rank、RankNet、RankBoost。
3）ListWise
单文档方法将训练集里每一个文档当做一个训练实例，文档对方法将同一个査询的搜索结果里任意两个文档对作为一个训练实例，文档列表方法与上述两种方法都不同，ListWise方法直接考虑整体序列，针对Ranking评价指标进行优化。比如常用的MAP, NDCG。常用的ListWise方法有：LambdaRank、AdaRank、SoftRank、LambdaMART。
4）Learning to rank指标介绍
（1）MAP(Mean Average Precision):
假设有两个主题，主题1有4个相关网页，主题2有5个相关网页。某系统对于主题1检索出4个相关网页，其rank分别为1, 2, 4, 7；对于主题2检索出3个相关网页，其rank分别为1,3,5。对于主题1，平均准确率为(1/1+2/2+3/4+4/7)/4=0.83。对于主题2，平均准确率为(1/1+2/3+3/5+0+0)/5=0.45。则MAP= (0.83+0.45)/2=0.64。
（2）NDCG(Normalized Discounted Cumulative Gain):
一个推荐系统返回一些项并形成一个列表，我们想要计算这个列表有多好。每一项都有一个相关的评分值，通常这些评分值是一个非负数。这就是gain（增益）。此外，对于这些没有用户反馈的项，我们通常设置其增益为0。现在，我们把这些分数相加，也就是Cumulative Gain（累积增益）。我们更愿意看那些位于列表前面的最相关的项，因此，在把这些分数相加之前，我们将每项除以一个递增的数（通常是该项位置的对数值），也就是折损值，并得到DCG。
在用户与用户之间，DCGs没有直接的可比性，所以我们要对它们进行归一化处理。最糟糕的情况是，当使用非负相关评分时DCG为0。为了得到最好的，我们把测试集中所有的条目置放在理想的次序下，采取的是前K项并计算它们的DCG。然后将原DCG除以理想状态下的DCG并得到NDCG@K，它是一个0到1之间的数。你可能已经注意到，我们使用K表示推荐列表的长度。这个数由专业人员指定。你可以把它想像成是一个用户可能会注意到的多少个项的一个估计值，如10或50这些比较常见的值。
     对于MAP和NDCG这两个指标来讲，NDCG更常用一些。Learning to Rank和基于监督分类的思想做Rerank二次排序总体效果是差不太多的，关键取决于特征工程和参数调优。

三、老师介绍

陈敬雷  充电了么创始人，CEO兼CTO

陈敬雷，北京充电了么科技有限公司创始人，CEO兼CTO，十几年互联网从业经验，曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技，曾任架构师、首席技术官、首席科学家等职务，对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验，在技术领域，尤其在大数据和人工智能方向有丰富的算法工程落地实战经验，其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖，推荐效果得到5倍的提升。

陈敬雷著有清华大学出版社两本人工智能书籍，分别是《分布式机器学习实战（人工智能科学与技术丛书）》、《自然语言处理原理与实战（人工智能科学与技术丛书）》。

目前专注于大数据和人工智能驱动的上班族在线教育行业，研发了充电了么app和网站，用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。

四、《分布式机器学习实战》新书介绍及最新热点技术解密如下：
陈敬雷老师的京东自营书名标题： 分布式机器学习实战（人工智能科学与技术丛书）

  

****************好评如潮**************
本书作者陈敬雷曾在多家一线大型互联网公司任职，也有过技术创业的背景，经历过从0到1，从1从100的技术发展历程，尤其在AI、大数据、机器学习、深度学习等方面有很强的理论基础和实战经验。《分布式机器学习实战》包含了目前主流互联网公司所采用的大数据、AI方面的系统架构、中间件、工具、机器学习/深度学习算法等，内容由浅入深，全面详实，强烈推荐给读者！
                                                                                                                        ——陈兴茂 (猎聘CTO)

我读了这本书，有三点深切的体会，一、系统全面：本书把分布式机器学习的关键环节进行了系统化梳理，介绍了主流的技术和工具平台，同时对大数据技术也做了详细讲解，对内容的梳理全面丰富，是入门、参考、提高的有益工具书！二、深入浅出：通过大量的系统化讲课，配合丰富的素材、案例和实际操作场景介绍，可以说是不但授人以渔也同时授人以鱼！开卷有益！现学现用！活学活用！三、讲解清晰，思路明确：可以看出作者是有深厚的功底，是经过长期实践的经验总结，又融合了大量的最新结果，连同职业路径规划都详细做好，有此一书，是难得佳作！

        ——梅一多 博士（上海市青年拔尖人才获得者，阿里云最有价值技术专家，中基凌云科技有限公司联合创始人兼CTO）

《分布式机器学习实战》这本书非常贴近实战，含盖了目前各类应用场景的算法系统，对每个场景都有理论基础、源代码、算法解度等，深入浅出的讲解对于读者具有很强的实用性，做为大数据及人工智能领域的从业人员是必选的工具类参考书。

       ——杨正洪 博士(中央财经大学财税大数据实验室首席科学家)

此书的作者非常贴近实战，不“高来高去”讲一些宏观的概念，书中的每一个算法，每一个场景都是来自于当前的商业应用，对于读者来讲这是一本难得的实用宝典。

       ——刘冬冬（知名市场战略、生态系统和企业数字化转型专家，首席数据官联盟创始人，曾先后服务过统一集团、联想集团、百度、美国D&B集团、华为技术、海航科技集团等）

陈敬雷写的这本书理论联系实践，深入浅出，覆盖技术面广，并且有工业级的系统案例，包含目前比较热门的推荐算法系统、人脸识别、对话机器人等项目，对常见的大数据算法系统架构也做了详细讲解，是一本机器学习方面的佳作。本书不管是初学者、架构师、还是资深人士，都会开卷有益、有所收获。

                        ——龙旭东（北京掌游智慧科技有限公司董事长，曾任海航科技集团CTO和文思海辉董事，北京大学计算机系学士+硕士）