Retrieval Augmented Generation - 2016年04月

Efficient Optimization for Rank-based Loss Functions

发布时间：2016-04-27

作者：Pritish Mohapatra, Michal Rolinek, C. V. Jawahar, Vladimir Kolmogorov, M. Pawan Kumar

中文摘要：

本文提出了一种针对大量非可分解损失函数的新型快速排序算法。该算法通过最小化损失函数来估计检索系统的参数，并解决了传统损失函数非可微和非可分解的问题。本文详细描述了适用于该算法的损失函数类型，包括平均精度（AP）和归一化折现累积增益（NDCG）等基于损失函数的损失函数。此外，我们证明了没有基于比较的算法能够在渐近上改进我们的方法。在优化AP和NDCG损失的结构化折损损失上，我们展示了该方法在视觉任务学习模型优化中的有效性，表明该方法在提供显著更好的结果的同时，所需的训练时间与简单可分解损失函数相当。

一句话总结：

本文提出了一种高效算法，用于优化非可分解损失函数，显著提升了信息检索系统的性能。

---