北大公开课-人工智能基础 58 机器学习的任务之排名

机器学习中的排名任务是指给定一个查询，根据相关性对文档进行排序。

例如，搜索引擎中的搜索结果排序就是一个排名任务的例子。在这个例子中，查询是用户输入的搜索词，文档是搜索引擎索引的网页。排名任务的目标是将与查询相关性最高的文档排在前面。

将两个节点互相按一定的规则互相比较，得到的无非三种结果，

-1 低于排名

0 排名相同

+1 高于排名

具体节点的互相排名计算，对于整体数据进行排名

机器学习中的排名算法有很多，其中一些典型的算法包括：排序向量机（SVM）1、AdaRank 2、LambdaMART 3、RankBoost 、RankNet 、ListNet 、和LambdaRank 。

基于分值函数的排序算法是指使用分值函数来对数据进行排序的算法。常用的排序算法包括：冒泡排序，选择排序，插入排序，希尔排序，归并排序，快速排序等等1。例如，快速排序是一种常用的基于分治思想的排序算法，它的基本思想是通过一趟排序将待排记录分割成独立的两部分2。

基于偏好函数的排序算法是指使用偏好函数来对数据进行排序的算法。常用的排序算法包括：冒泡排序，选择排序，插入排序，希尔排序，归并排序，快速排序等等1。例如，基于偏好函数的排序算法可以是基于用户评分的推荐系统中的协同过滤算法2。

【机器算法】

机器翻译中的一些算法可以使用排序算法来实现。例如，机器翻译中的短语表可以使用基于偏好函数的排序算法来生成1。这些算法可以根据不同的偏好函数对短语进行排序，以便在翻译过程中选择最佳的短语。

【情感分析】

情感分析是一种自然语言处理（NLP）方法的应用，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理，利用一些情感得分指标来量化定性数据的方法。在自然语言处理中，情感分析属于典型的文本分类问题，即把需要进行情感分析的文本划分为其所属类别。

排序算法在情感分析中的应用主要是用于特征选择和特征提取。例如，可以使用基于信息增益的排序算法来选择最具代表性的特征，以便在情感分析中使用。此外，还可以使用排序算法来提取情感词汇，以便在情感分析中使用。

谷歌的网页排名算法

用各个网页的互相关联性，确定这个网页的重要性。

排名算法是指各大搜索引擎用来对其索引中的结果列表进行评估和排名的规则。例如，PageRank算法是一种由Google公司创始人之一发明的算法，用于对网页进行排名。PersonalRank算法是一种在推荐场景中使用的算法，用于计算item节点影响力排名，即为用户感兴趣的item。