从算法上看,仅仅是把SVM-MAP中的L2 regularization项变成了L1 regularization项.  在算法的实现时,利用梯度下降转化为矩阵形式来求解,很显然符号的表示和解释没说清楚,这篇灌水文章让我看得极其郁闷:感觉没有多少实际内容也能发上ICML,而且需要交代的细节却忽略了.

之前我理解的不到位，作者在应用的实际问题上是不同的。看完eharmony的数据特征以后验证了我的想法。Eharmony是一个来自于征友网站的数据，要求根据用户特征的相似度量判断两两用户match与否，这和我们做ranking时判断文档与查询的相似度有很大差别。

事实上，文章将每个query分开来对待，但是在这样的应用中，query和query间显然不是独立的，所以考虑query之间的联系必然有助于改善其性能。

转载本文请联系原作者获取授权，同时请注明本文来自彭泽武科学网博客。
链接地址：https://blog.sciencenet.cn/blog-472136-361822.html

上一篇：the cyclic property of the trace
下一篇：SVM for PR