遗传多准则排序与学习排序的偏差鲁棒性对比

Vladyslav Shevchuk 等作者发表论文，对比无标签的遗传多准则排序（Pikaia 策略变体）与 LightGBM、XGBoost、RankSVM 等学习型排序模型在代理偏差和标签污染下的偏差鲁棒性。 研究在 MSLR-WEB10K、Baidu-ULTR、WANDS 和 Expedia 四个数据集上，通过两种受控协议进行测试。其中遗传多准则排序不使用标签，而是依据显式准则向量 C 对固定候选池重新排序。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。