谷歌提出TF-Ranking:用于学习到排序的可扩展TensorFlow库
谷歌今天发表了有关TF-Ranking的研究,这是一个可扩展的基于TensorFlow的库,用于学习排序。TF-Ranking提供了一个统一的框架,其中包括一套最先进的学习到排序算法,并支持成对或列表丢失函数、多项目评分、排序度量优化、和无偏见的学习排名。TF-Ranking快速且易于使用,并创建高质量的排序模型。 统一框架使ML研究人员、从业者和爱好者能够在单个库中评估和选择一系列不同的排序模型。 此外,有用的开源库的关键不仅在于提供合理的默认设置,还能使用户能够开发自己的自定义模型。 因此,谷歌提供灵活的API,用户可以在其中定义和插入自己的自定义损失函数,评分函数和指标。(GoogleAI)