1

我正在尝试为演示建立一个排名。我进行了“自动培训”，结果还不错（可能会更好） 我正在尝试进行手动培训，但我对 Bluemix 在线文档中参数的含义感到困惑：https ://www.ibm.com /watson/developercloud/doc/retrieve-rank/training_data.shtml#manual

有人可以在下面的 Bluemix 示例数据中解释一下吗？

query_id, feature1, feature2, feature3,...,ground_truth
question_id_1, 0.0, 3.4, -900,...,0
question_id_1, 0.5, -70, 0,...,1
question_id_1, 0.0, -100, 20,...,3
...

什么是查询 ID？（它代表什么？）什么是feature1，feature2？（它代表什么？）什么是 question_id_1？（它代表什么？）以及如何计算这些分数（0.0、3.4、-900）？

我知道 ground_truth 值必须从 0 到 4，（0 表示完全不相关，4 表示完美匹配）对吗？

亲切的问候泽维尔

4

1 回答 1

0

训练数据旨在训练学习排序(L2R) 算法。L2R 方法是首先获取一个列表candidate answers（例如搜索结果页面中的文档），这些列表是为响应query（又名问题）而生成的，并将每个都表示query-answer pair为一组特征。每个特征都希望能捕捉到特定候选答案与查询匹配程度的一些表示。训练数据中的每一行代表属于这些查询-答案对之一的特征值。

因为训练数据包含来自许多不同查询（和相应的搜索结果）的特征向量，所以第一列使用查询 id 将响应单个查询而生成的不同候选答案联系在一起。

正如您所说，最后一列简单地捕获了人工注释者是否认为答案实际上与问题相关。0-4 比例不是强制性的。0 总是代表不相关。但在那之后，您可以使用对您的用例有意义的任何比例（当数据有限时，人们通常只使用 0-1 二进制比例，因为这会降低复杂性）。

在给定包含不同查询的文件的情况下，您引用的文档页面上提供的python 脚本实际上将经历生成候选答案和相应特征向量的过程。您可能希望单步执行该脚本中的代码，以更好地了解如何创建训练数据。

于 2017-03-09T21:50:48.007 回答