HAL : hal-00643001, version 1

Voir la fiche détaillée

BibTeX,EndNote,... BibTeX - EndNote - TEI - RefWorks -

Yahoo! Learning to Rank Challenge, Haifa : Israël (2010)

Ranking by calibrated AdaBoost

Róbert Busa-Fekete1, Balázs Kégl1, 2, 3, Tamas Elteto3, György Szarvas4

(15/06/2011)

This paper describes the ideas and methodologies that we used in the Yahoo learning-to- rank challenge1. Our technique is essentially pointwise with a listwise touch at the last combination step. The main ingredients of our approach are 1) preprocessing (querywise normalization) 2) multi-class AdaBoost.MH 3) regression calibration, and 4) an expo- nentially weighted forecaster for model combination. In post-challenge analysis we found that preprocessing and training AdaBoost with a wide variety of hyperparameters im- proved individual models significantly, the final listwise ensemble step was crucial, whereas calibration helped only in creating diversity.

1 :	LAL - Laboratoire de l'Accélérateur Linéaire
2 :	LRI - Laboratoire de Recherche en Informatique
3 :	INRIA Saclay - Ile de France - TAO
4 :	Ubiquitous Knowledge Processing (UKP) Lab

Domaine

:

Informatique/Apprentissage

hal-00643001, version 1

http://hal.inria.fr/hal-00643001

oai:hal.inria.fr:hal-00643001

Contributeur : Balázs Kégl <>

Soumis le : Dimanche 20 Novembre 2011, 22:56:57

Dernière modification le : Mardi 30 Octobre 2012, 17:13:36