TF-Ranking排序?qū)W習(xí)的可擴展 TensorFlow 庫

谷歌 AI 發(fā)布了最新成果 TF-Ranking，它是一個專門針對排序?qū)W習(xí)（learning-to-rank）應(yīng)用的可擴展 TensorFlow 庫。TF-Ranking 快速且易用，并能創(chuàng)建高質(zhì)量的排序模型，對構(gòu)建 web 搜索或新聞推薦等基于真實世界數(shù)據(jù)的排序系統(tǒng)感興趣的人，都可以將 TF-Ranking 作為強穩(wěn)的、可擴展的解決方案。

TF-Ranking 提供了一個統(tǒng)一的框架，該框架包括一套最先進的排序?qū)W習(xí)算法，并且支持 Pairwise 和 Listwise 損失函數(shù)、多項目評分、排序度量優(yōu)化和無偏見排序等等。

TF-Ranking 快速且易用，并能創(chuàng)建高質(zhì)量的排序模型。該統(tǒng)一框架讓機器學(xué)習(xí)研究人員、實踐者和愛好者能夠在單個庫中評估和選擇一系列不同的排序模型。此外，谷歌 AI 團隊堅信一個有用的開源庫，它的關(guān)鍵不僅在于提供合理的默認(rèn)值（sensible default），而且還在于能夠授權(quán)用戶開發(fā)自定義模型。為此，他們提供了靈活的 API，讓用戶可以在 API 中定義和插入自定義的損失函數(shù)、評分函數(shù)和指標(biāo)。