文件名称：allRank:allRank是一个用于训练基于PyTorch的学习排名神经模型的框架
文件大小：71KB
文件格式：ZIP
更新时间：2024-04-11 14:48:24
python machine-learning information-retrieval deep-learning pytorch
allRank：学习在PyTorch中排名 关于 allRank是一个基于PyTorch的框架，用于训练神经学习到排名（LTR）模型，具有以下实现： 常见的点对，对和列表损失函数 完全连接和类似变压器的评分功能 常用的评估指标，例如归一化贴现累积增益（NDCG）和平均倒数排名（MRR） 用于模拟点击数据的实验的点击模型 动机 allRank提供了一种轻松灵活的方法来尝试各种LTR神经网络模型和损失函数。 添加自定义损失以及配置模型和训练过程很容易。 我们希望allRank能够促进神经LTR及其工业应用的研究。 特征 已实现的损失功能： ListNet（用于二进制和分级相关性） ListMLE 排名网 有序损失 LambdaRank LambdaLoss 约NDCG RMSE NeuralNDCG（在引入） 入门指南 为了帮助您入门，我们提供了一个run_example.s
【文件预览】：
allRank-master
----setup.py(980B)
----.gitignore(904B)
----Dockerfile(185B)
----requirements.txt(156B)
----Makefile(392B)
----LICENSE(11KB)
----setup.cfg(95B)
----scripts()
--------local_config_click_model.json(1KB)
--------run_in_docker.sh(397B)
--------ci.sh(150B)
--------run_in_docker_click.sh(463B)
--------local_config.json(1023B)
--------run_example.sh(373B)
--------run_tests.sh(236B)
----README.md(5KB)
----tests()
--------__init__.py(0B)
--------test_rank_slates.py(1KB)
--------losses()
--------click_models()
----allrank()
--------rank_and_click.py(5KB)
--------data()
--------__init__.py(0B)
--------models()
--------config_template.json(3KB)
--------utils()
--------config.py(4KB)
--------inference()
--------training()
--------main.py(4KB)
--------click_models()