Learning to Rank入门小结 + 漫谈-白红宇

1 前言

Web Search 的历史经历了

传统的 “text retrieval” 到 “基于link analysis的搜索引擎”，目前，由于机器学习和数据挖掘

的技术不断成熟，利用统计模型来解决rank问题已经成为一个hot topic： Learning to Rank

2 LTR的流程

Collect Training Data (Queries and their labeled documents)

Feature Extraction for Query-document Pairs

Learning the Ranking Model by Minimizing a Loss Function on the Training Data

Use the Model to Answer Online Queries

3 训练数据的获取

有2种获取训练数据的来源:1）人工标注；2）搜索日志。

3.1 人工标注

从搜索日志中随机选取一部分Query，让受过专业训练的数据评估员对”Query-Url对”给出

相关性判断。常见的是5档的评分:差、一般、好、优秀、完美。以此作为训练数据。人工标

注是标注者的主观判断，会受标注者背景知识等因素的影响。

3.2 搜索日志

使用点击日志的偏多。比如，结果ABC分别位于123位，B比A位置低，但却得到了更多的点击，

那么B的相关性可能好于A。点击数据隐式反映了同Query下搜索结果之间相关性的相对好坏。

在搜索结果中，高位置的结果被点击的概率会大于低位置的结果，这叫做”点击偏见”（Click Bias）。

但采取以上的方式，就绕过了这个问题。因为我们只记录发生了”点击倒置”的高低位结果，使用这

样的”偏好对”作为训练数据。关于点击数据的使用，后续再单独开帖记录，这里不展开。

在实际应用中，除了点击数据，往往还会使用更多的数据。比如通过session日志，挖掘诸如页面停

留时间等维度。在实际场景中，搜索日志往往含有很多噪音。且只有Top Query（被搜索次数较多

的Query）才能产生足够数量能说明问题的搜索日志。

3.3 公共数据集

现存一批公开的数据集可以使用

LETOR,

Microsoft Learning to Rank Dataset,

Yahoo Learning to Rank Challenge,

4 特征抽取

搜索引擎会使用一系列特征来决定结果的排序。一个特征称之为一个“feature”。按照我的理解，

feature可以分为3大类：

Doc本身的特征：Pagerank、内容丰富度、是否是spam等

Query-Doc的特征：文本相关性、Query term在文档中出现的次数等

此阶段就是要抽取出所有的特征，供后续训练使用。

5 模型训练

5.1 训练方法

LTR的学习方法分为Pointwise、Pairwise和Listwise三类。Pointwise和Pairwise把排序问题转换成

回归、分类或 有序分类 问题。Lisewise把Query下整个搜索结果作为一个训练的实例。3种方法

的区别主要体现在损失函数（Loss Function）上：

Regression: treat relevance degree as real values

Classification: treat relevance degree as categories

Pairwise classification: reduce ranking to classifying the order between each pair of documents.

5.1.1 Pointwise

Pointwis方法的主要思想是将排序问题转化为多类分类问题或者回归问题。以多类分类为例

进行说明：假设对于查询query，与其相关的文档集合为：{d1, d2, …, dn}。那么首先对这n个pair：

(query, di)抽取特征并表示成特征向量。

Regression-based：

将query与di之间的相关度作为value，利用regression model来得到一个query与document之间相关

度的预测。

Classification-based：

将query与di之间的相关度的程度作为label，一般的label等级划分方式为：｛Perfect, Excellent,

Good, Fair, Bad｝，一共五个类别。于是，对于一个查询及其文档集，可以形成n个训练实例。有了

训练实例，我们可以使用任一种多类分类器进行学习，比如最大熵，SVM。下面是一个例子：

5.1.2 Pairwise

Pairwise方法是目前比较流行的方法，效果也非常不错。它的主要思想是将Ranking问题形式化为二元

分类问题。

下面这张图很直观地表达了pairwise方法的思想，同时也给出了构造训练实例的方法。

对于同一条query，在它的所有相关文档集里，对任两个不同label的文档，都可以得到一个训练实例

（pair），比如图中的（ ${d_{1}}^i, {d_{2}}^i$ ）分别对应label为5和3，那么对于这个pair实例，给它赋予类别+1（5>3），

反之则赋予类别-1。于是，按照这种方式，我们就得到了二元分类器训练所需的样本了。预测时，只需要对

所有pair进行分类，便可以得到文档集的一个偏序关系，从而实现排序。

Pairwise方法有很多的实现，比如SVM Rank（开源）, 还有RankNet(C. Burges, et al. ICML 2005)， FRank

(M.Tsai, T.Liu, et al. SIGIR 2007)，RankBoost(Y. Freund, et al. JMLR 2003)等等。下面是SVM Rank的例子：

相比于Pointwise方法，Pairwise方法不再对相关度作独立假设，因为它只对同一个query里的文档集生成

训练样本。然而，Pairwise模型也有一些缺点：1.它对不同级别之间的区分度是一致对待的。在信息检索领域，

尤其对于搜索引擎而言，人们更倾向于只点击搜索引擎返回的前几页结果，甚至只是前几条。所以我们对相关

度高（Perfect）的文档应该作更好的区分。2.相关文档集大小带来的模型偏置。假设query1对应的相关文档

集大小为5，query2的相关文档集大小为1000，那么从后者构造的训练样本数远远大于前者，从而使得分类器

对相关文档集小的query所产生的训练实例区分不好，甚至视若无睹。

还有一个重要的因素也会影响Pairwise方法的排序性能。以Ranking SVM为例，它优化的目标是使得正负

样本之间的Margin最大，而并非以排序性能为优化目标。就像BP神经网络以训练误差为目标优化函数，从而使

得它很容易过拟合。优化目标本身的差异将导致模型本身的功能偏置。于是，基于这个特性，人们提出了Listwise

的方法。

5.1.3 Listwise

Listwise方法相比于前两种（Pointwise，Pairwise）而言，不再将Ranking问题直接形式化为一个分类或者

回归问题，而是直接对文档的排序结果（list）进行优化。目前主要有两种优化方法：

直接针对Ranking评价指标进行优化。比如常用的MAP, NDCG（下面介绍）。这个想法非常自然，但是往往

难以实现，因为NDCG这样的评价指标通常是非平滑（连续）的，而通用的目标函数优化方法针对的都是连续函数。

优化损失函数

损失函数的构造有很多种方式。RankCosine(T. Qin, T. Liu, et al. IP&M 2007)使用正确排序与预测排序的分值向量

之间的Cosine相似度（夹角）来表示损失函数。 ListNet(Z. Cao, T. Qin, T. Liu, et al. ICML 2007)使用正确排序与预测排

序的排列概率分布之间的KL距离（交叉熵）作为损失函数，等等。

以ListNet为例，其损失函数如下：

和分别表示正确的排序以及预测的排序。其中，概率分布由以下公式定义：

其中 $s_{j}$ 为第j个特征向量的Score。当然这个概率分布需要满足一些性质，比如，对于更佳排序，其概率值应该更高。

那么，最终损失函数就可以表示为以下形式：

从式中可以看出，ListNet对特征向量进行简单的线性加权来对Score进行预测。此时，任务转化为对权矢量w的学习。

这显然是一个老生常谈的问题，梯度下降是最常用的方法。这里就不再赘述了。

我觉得Listwise的方法是最优美的，因为它专注于自己的目标和任务。相比之下，Pairwise有点儿歪门邪道的感觉：）

当然，这种方法也并非完美，还是有一些缺点的。比如Score( $s_{j}$ )如何构造？能直接使用Label么？事实上，这也是制约性能

的一大原因。还有，求解KL距离时，需要对所有排列计算其概率，算法复杂度趋于 O(n*n!) 。针对这几个问题，都有相应的

Solution。

对于ListNet，据我目前所知，有两个开源的Java版本实现，一是Minorthird，这是CMU的教授带领他的

学生们做的，类似于Weka，是一个实现了大量机器学习、数据挖掘算法的开源工具，它在Sorceforge上的主页在。另一个

是罗磊同学近期做的，使用的是单层神经网络模型来调整权值。目前已经在Google code上开源，地址在。欢迎大家使用并给

出意见。

6 效果评估

对于搜索结果，有多种量化搜索得分的计算方法，这里介绍NDCG和MAP。

6.1 NDCG（Normalized Discounted Cumulative Gain）

6.1.1 定义

计算前k条结果的相关性得分

i：第i次搜索

j：第j条结果

y_i,j：第j条结果的相关性标注得分，5档制

π_i(j)：这条结果在排序中的位置

6.1.2 描述

顾名思义，NDCG的公式由 N、D、C、G 4部分组成。将公式改写成

先看G部分。G是增益函数（Gain）,表示第j条结果在被给予评分y_i,j之后所贡献的分值增益。定义如下

再看D部分。D是位置折算函数（Discounted）。因为不同位置的增益应该是不同的，D函数给结果按照位置赋予一个权重。定于如下C部分就是累加（Cumulative），将k条结果的得分加在一起。

N是归一化因子（Normalized），取值是该位置上G函数理论上取得的最大值的倒数。目的是缩放不同位置上的得分到统一区间。

6.2 MAP（Mean Average Precision）

6.2.1 定义

MAP中，相关性评分y_i,j只有2档：0和1

6.2.2 描述

P表示结果j的权重，从位置j开始，相关（标记为1）的结果所在的比例

AP表示单query下，相关的结果的平均的加权得分

AP中，只有标记为相关的结果才会参与加权的累加

AP是单query下的得分，多query的平均AP，就成了MAP

7 参考

信息检索初学者's Learning to Rank 小结：

jiangfeng's 漫谈Learning to Rank：

1: Adapting Ranking SVM to Document Retrieval. (Liu Tie Yan. et al. MSRA) 【】

2: Learning to rank for Information Retrieval– tutorial. (Liu Tie Yan. et al. MSRA) 【】

3: Learning to rank: From Pairwise Approach to Listwise Approace. (Liu Tie Yan. et al. MSRA)【】

4: Learning to rank for Information Retrieval - book. (Liu Tie Yan. MSRA)【】

5：Learning to Rank Report @ CIIR 2011 【】