Context-aware ranking refinement with attentive semi-supervised autoencoders

Learning to rank methods aim to learn a refined ranking model from labeled data for desired ranking performance. However, the learned model may not improve the performance on each individual query because the distributions of relevant documents among queries are diversified in document feature space...

Celý popis

Podrobná bibliografie

Vydáno v:	Soft computing (Berlin, Germany) Ročník 26; číslo 24; s. 13941 - 13952
Hlavní autoři:	Xu, Bo, Lin, Hongfei, Lin, Yuan, Xu, Kan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Berlin/Heidelberg Springer Berlin Heidelberg 01.12.2022
Témata:	Application of Soft Computing Artificial Intelligence Computational Intelligence Control Engineering Mathematical Logic and Foundations Mechatronics Robotics Pseudo-relevance feedback Information retrieval Learning to rank Ranking refinement Machine learning
ISSN:	1432-7643, 1433-7479
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!