信息检索中基于损失函数优化的排序学习研究

排序学习是信息检索模型研究的热点问题。基于前期的研究工作，我们发现在该领域存在以下两个问题：[1] 在信息检索中，人们注意到了"序对"颠倒导致的错误，并提了解决方案，但是这种颠倒出现的位置并未被考虑。事实上出现在序顶部的错误要比出现在序中部或者尾部的错误要更加严重，其对排序性能的影响更大；[2] 排序学习需要大量的人工标注数据，但在信息检索中数据的标注代价非常昂贵，如何利用大量存在的未标注的数据训练排序模型值得探讨。已有的排序学习研究没有对以上两个问题做出深入的探讨，本项目以用于排序学习的损失函数为切入点，借鉴机器学习中分类学习的应用经验，提出基于代价敏感学习的排序算法来解决第一个问题，提高排序的性能（序的准确性）；提出用于排序学习的半监督学习方法和主动学习方法来解决第二个问题，降低标注代价。研究成果除用于信息检索外，在其他需要排序学习的相关领域，如经济学、社会科学等领域都有着广泛应用。