谷歌开源 TF-Ranking,排序学习的可扩展 TensorFlow 库
日前,谷歌 AI 发布了最新成果 TF-Ranking,它是一个专门针对排序学习(learning-to-rank)应用的可扩展 TensorFlow 库。TF-Ranking 快速且易用,并能创建高质量的排序模型,对构建 web 搜索或新闻推荐等基于真实世界数据的排序系统感兴趣的人,都可以将 TF-Ranking 作为强稳的、可扩展的解决方案。 排序是一种以最大化整个列表效用为目的,对项目列表进行排序的过程,适用于搜索引擎、推荐系统、机器翻译、对话系统,甚至还能用于计算生物学等众多领域。在诸如这些(以及其他诸多)应用中,研究人员经常使用一系列称作排序学习的有监督的机器学习技术。在许多情况下,这些排序学习技术会被应用于大规模数据集,在这一场景中,TensorFlow 的可伸缩性会成为一个优势。然而,目前 TensorFlow 还不能直接支持学习排序。并且,现在也还没有其他专门针对排序学习技术规模化应用的开源库。 现在,谷歌 AI 宣布开源 TF-Ranking(https://github.com/tensorflow/ranking),它是一个可扩展的排序学习 TensorFlow ...




