我试图了解基于CS 224D: Deep Learning for NLP 讲义的排名损失（又名，最大边际目标函数，MarginRankingLoss ...） 。
在本说明中，成本定义如下： J = (1 + sc - s)
s= f(θ,x)，sc = f(θ,xc)，x是正确的输入，xc是错误的输入。
所以，s 是好事的分数，sc 是坏事的分数。
我的问题是：要更新权重，我必须得到∂J/∂θ还是∂s/∂θ？
我想我必须做 ∂J / ∂θ 来更新 θ。
因此，由于 J = 1 + sc-s，∂J / ∂θ = ∂sc / ∂θ - ∂s / ∂θ。
所以我认为应该分别得到∂sc / ∂θ和∂s / ∂θ。
然而，在讲义中，计算 ∂J / ∂s = -1 并使用该值来更新网络。
我究竟做错了什么？