搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

排名聚合算法在少量长列表聚合中的性能比较分析

陈玟宇 朱章黔 王晓蒙 贾韬

排名聚合算法在少量长列表聚合中的性能比较分析

陈玟宇, 朱章黔, 王晓蒙, 贾韬
PDF
导出引用
导出核心图
计量
  • 文章访问数:  46
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-17

排名聚合算法在少量长列表聚合中的性能比较分析

    基金项目: 国家级-国家自然科学基金(61603309)

摘要: 排名聚合将多个排名列表聚合成一个综合排名列表,可应用于推荐系统、链路预测、元搜索、提案评选等。当前已有工作从不同角度对不同排名聚合算法进行了综述、比较,但存在算法种类较少、数据统计特性不清晰、评价指标不够合理等局限性。不同排名聚合算法在提出时均声称优于已有算法,但是用于比较的方法不同,测试的数据不同,应用的场景不同,因此何种最能适应某一任务在很多情况下仍不甚清楚。因此,本文基于Mallows模型,提出一套生成统计特性可控的不同类型的排名列表的算法,,使用一个可应用于不同类型排名列表的通用评价指标,介绍9种排名聚合算法以及它们在聚合少量长列表时的表现。我们发现启发式方法虽然简单,但是在排名列表相似度较高、列表相对简单的情况下,能够接近甚至超过一些优化类方法的结果;列表中平局数量的增长会降低聚合排名的一致性并增加波动;列表数量的增加对聚合效果的影响呈现非单调性。整体而言,基于距离优化的分支定界方法(FAST)优于其他各类算法,在不同类型的排名列表中表现非常稳定,能够很好的完成少量长列表的排名聚合。

English Abstract

目录

    /

    返回文章
    返回