From d3ef26f984e8a04252ba8268e8d73669efdf6046 Mon Sep 17 00:00:00 2001 From: ranqiu Date: Mon, 23 Oct 2017 16:10:00 +0800 Subject: [PATCH] Update README.md of LTR --- ltr/README.md | 4 ++++ ltr/index.html | 4 ++++ ltr/run_ranknet.sh | 2 +- 3 files changed, 9 insertions(+), 1 deletion(-) diff --git a/ltr/README.md b/ltr/README.md index 57b0d275..3de55038 100644 --- a/ltr/README.md +++ b/ltr/README.md @@ -344,6 +344,10 @@ feeding = {"label":0, LTR在实际生活中有着广泛的应用。排序模型构造方法一般可划分为PointWise方法，Pairwise方法，Listwise方法，本例以LETOR的mq2007数据为例子，阐述了Pairwise的经典方法RankNet和Listwise方法中的LambdaRank，展示如何使用PaddlePaddle框架构造对应的排序模型结构，并提供了自定义数据类型样例。PaddlePaddle提供了灵活的编程接口，并可以使用一套代码运行在单机单GPU和多机分布式多GPU下实现LTR类型任务。 +## 注意事项 + +本例作为LTR的演示示例，所采用的网络规模较小，在应用中须结合实际情况进行设置。本例实验数据中的特征向量为**查询-文档对**的联合特征，当使用查询和文档的独立特征时，可参考[DSSM](https://github.com/PaddlePaddle/models/tree/develop/dssm)。 + ## 参考文献 1. https://en.wikipedia.org/wiki/Learning_to_rank diff --git a/ltr/index.html b/ltr/index.html index ead71e3e..ff5e9e6c 100644 --- a/ltr/index.html +++ b/ltr/index.html @@ -386,6 +386,10 @@ feeding = {"label":0, LTR在实际生活中有着广泛的应用。排序模型构造方法一般可划分为PointWise方法，Pairwise方法，Listwise方法，本例以LETOR的mq2007数据为例子，阐述了Pairwise的经典方法RankNet和Listwise方法中的LambdaRank，展示如何使用PaddlePaddle框架构造对应的排序模型结构，并提供了自定义数据类型样例。PaddlePaddle提供了灵活的编程接口，并可以使用一套代码运行在单机单GPU和多机分布式多GPU下实现LTR类型任务。 +## 注意事项 + +本例作为LTR的演示示例，所采用的网络规模较小，在应用中须结合实际情况进行设置。本例实验数据中的特征向量为**查询-文档对**的联合特征，当使用查询和文档的独立特征时，可参考[DSSM](https://github.com/PaddlePaddle/models/tree/develop/dssm)。 + ## 参考文献 1. https://en.wikipedia.org/wiki/Learning_to_rank diff --git a/ltr/run_ranknet.sh b/ltr/run_ranknet.sh index 16d53461..8c574ffd 100644 --- a/ltr/run_ranknet.sh +++ b/ltr/run_ranknet.sh @@ -3,7 +3,7 @@ python ranknet.py \ --run_type="train" \ --num_passes=10 \ - 2>&1 | tee rankenet_train.log + 2>&1 | tee ranknet_train.log python ranknet.py \ --run_type="infer" \ -- GitLab