評価値の離散変化追跡によるランキングモデルの最適化に関する一考察

摘要

ランキング学習の分野で良く知られているサポートベクトルマシンを用いた手法(Ranking SVM）では学習に用いる損失関数とNDCG等のランキングの評価基準との間にギャップがあることが指摘されている．ギャップを埋める一つのアプローチとしてデータペアごとに個別の重みを導入する方法が知られているが，ランキングという順序出力に関して評価値を最大にする重みを発見することは困難である．そこで本稿では，パス追跡と呼ばれる手法を応用して，ランキングの変化を監視しながら最適な重みを探索する方法を提案する．提案法では評価値の離散変化を正確に求めることが可能であるため，探索した重みの中で最大の評価値を持つ重みを選択することができる．また，数値実験により提案法の有効性を確認する．