Efficient and Effective Tree-based and Neural Learning to Rank
Az információkeresés kutatói nehéz problémákra dolgoznak ki algoritmikus megoldásokat, és ragaszkodnak az ötletek megfelelő, sokoldalú értékeléséhez. Ahogy az alkalmazások széles skáláján a még összetettebb mélytanulási modellek felé haladunk, a hatékonysággal kapcsolatos kérdések újból és újból sürgetően merülnek fel.
A hatékonyság már nem korlátozódik az időre és a térre, hanem új, kihívást jelentő dimenziókat talált, amelyek az erőforrás-, minta- és energiahatékonyságig terjednek, és amelyek kihatással vannak a kutatókra, a felhasználókra és a környezetre. Ez a monográfia egy lépést tesz a hatékonyság tanulmányozásának előmozdítása felé a neurális információkeresés korszakában azáltal, hogy átfogó áttekintést nyújt a rangsorolás és a keresés hatékonyságával és eredményességével foglalkozó szakirodalomról.
A tanulmányt a neurális hálózatokon alapuló rangsorolási megoldások és elődeik, a döntési erdőn alapuló, rangsorolásra tanuló modellek kihívásai közötti párhuzamok, valamint a szakirodalom által eddig kínált megoldások közötti összefüggések inspirálták. Az ezen algoritmikus és adatszerkezeti megoldások alapját képező alapok megértésével jobban meg lehet határozni a jövőbeli irányokat, és hatékonyabban meg lehet határozni az ötletek érdemeit.
