度量无关的排名优化
摘要：在信息检索中，排名是核心问题。经典的排名优化研究通常将排名视为排序问题，假设如果我们根据各个项目的个别效用进行排名，则可以实现最佳排名。因此，已经发展了相当多的排名指标，并且设计了学习排名算法来优化这些简单的性能指标，在现代信息检索系统中得到了广泛应用。然而，随着应用的发展，人们对信息检索的需求已经从简单检索相关文档转变为满足复杂的工作和娱乐需求的高级信息服务。因此，更复杂且以用户为中心的目标，如用户满意度和参与度，已经成为评估现代信息检索系统的标准。然而，这些目标很难在现有的学习排名框架下进行优化，因为它们受到很大的变化和复杂的结构的影响，不能像那些简单的性能指标一样明确解释或通过数学方程式进行形式化。这导致了以下研究问题 - 如何在不了解内部结构的情况下优化复杂排名指标的结果排名？为了解决这个问题，我们对现有排名优化技术的限制进行了正式分析，并描述了三个在度量无关排名优化方面的研究任务。通过讨论针对这些任务的潜在解决方案，我们希望鼓励更多人关注复杂搜索和推荐场景中的排名优化问题。
作者：Qingyao Ai, Xuanhui Wang, Michael Bendersky
论文ID：2304.08062
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-18