基于PyTorch的典型learningtorank方法的可扩展实现库。
ptranking的Python项目详细描述
简介
这个开源项目被称为PTRanking(在Pythorch中学习排名)旨在提供基于Pythorch的典型Learning to Rank方法的可伸缩和可扩展实现。一方面,这个项目能够对多个基准数据集进行统一的比较,从而深入理解以前学习排序的方法。另一方面,本计画使开发和整合新提出的模型变得容易,从而扩展学习排名的技术领域。在
主要功能:
- 一些具有代表性的学习排序模型,不仅包括传统的基于经验风险最小化的优化框架,还包括对抗性优化框架
- 支持广泛使用的基准数据集。同时,还支持按一定比例随机掩蔽地面真实标签
- 支持不同的指标,如精度、地图、nDCG和nERR
- 用于微调超参数的高度可配置功能,例如,对特定模型的超参数进行网格搜索
- 提供易于使用的api来开发新的learning-to-rank模型
有关详细信息,请参阅documentation site。在
- 项目
标签: