论文部分内容阅读
现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型，得到的模型不够精确．为此，文中提出一种基于非凸上界的ranking算法．该算法首先给出一个基于多类支持向量机（SVM）的框架，然后定义面向NDCG的目标函数，在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数；针对上界函数的非凸非光滑，提出使用凹-凸过程进行凸逼近，并采用割平面算法进行求解；最后，通过在基准数据集上的实验对该算法进行验证，并与现有算法进行对比．结果表明，相比现有的基于凸上界的ranking算法，文中