paddle 实现RankNet和LambdaRank
{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }}
{{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }}
{{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}
分享
适合人群
互联网、多媒体、智能化等it行业
你将会学到
搜索引擎中的排序至关重要,如何使用人工智能技术来提升用户体验就是大家广泛探索的方向之一。这里我们介绍排序学习learning to rank技术的基础,并给出深度学习下的基本原理和技术,帮助大家理解和学习这一系列有用的方法。
课程简介
排序学习是搜索引擎的核心技术之一,对于大量的搜索记录数据的挖掘,我们能够找到帮助搜索引擎更好地提供服务的信息。本节课简单介绍排序学习技术。排序学习技术本身由于处理问题的视角和技术成熟度不同,产生了三大类的排序学习方法。本节课介绍排序学习的不同类别 Pointwise,Pairwise 和 Listwise 均是加入更多参考新的方法,通过设计不同的数据集来引入更丰富的排序信息是这两类方法背后的基本思想。给出排序学习中常用的 Pairwise 方法和 Listwise 方法。深度学习如何应用在排序学习中,这里的 RankNet 是一种简单的实施,我们在本节课介绍 RankNet 的基本结构,并给出一定的数学模型的设定;深度学习应用在 Listwise 方法中,主要需要改变的是我们如何对代价函数进行比对,以此作为训练的参照。最后 使用PaddlePaddle 实现 RankNet 和 LambdaRank 算法
展开更多
{{tips.text}}
{{ noteHeaderTitle }}
笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
{{ detail.username }}
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
公开笔记
保存提问
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交课程大纲
自动连播
9课时
第三部分 循环神经网络原理及模型视频课程
6470人学习
百度AI官方账号
4.6
免费
5课时
第四部分 CNN和RNN的应用视频课程
4787人学习
百度AI官方账号
4.3
免费
8课时
第二部分 让机器能“看”的现代技术视频课程
3066人学习
百度AI官方账号
4.8
免费
5课时
第八部分 可解释的模型及应用
2514人学习
百度AI官方账号
4.8
免费
6课时
第六部分 搜索排序学习应用视频课程
1036人学习
百度AI官方账号
5.0
免费
170课时
人工智能-深度学习框架-Tensorflow案例实战视频课程
282905人学习
唐宇迪
4.9
¥198.00
30课时
人工智能深度学习入门视频课程
282834人学习
唐宇迪
4.9
¥49.00
13课时
师傅带徒弟学Python:项目实战1:网络爬虫与抓取股票数据
272317人学习
关东升
4.9
¥69.00