מודלים ניתנים להרחבה, למידה עצבית לדירוג (LTR).

import tensorflow as tf
import tensorflow_datasets as tfds
import tensorflow_ranking as tfr

# Prep data
ds = tfds.load("mslr_web/10k_fold1", split="train")
ds = ds.map(lambda feature_map: {
    "_mask": tf.ones_like(feature_map["label"], dtype=tf.bool),
    **feature_map
})
ds = ds.shuffle(buffer_size=1000).padded_batch(batch_size=32)
ds = ds.map(lambda feature_map: (
    feature_map, tf.where(feature_map["_mask"], feature_map.pop("label"), -1.)))

# Create a model
inputs = {
    name: tf.keras.Input(shape=(None, 1), dtype=tf.float32, name=name)
    for name in ds.element_spec[0]
    if name != "_mask"
}
norm_inputs = [tf.keras.layers.BatchNormalization()(x) for x in inputs.values()]
x = tf.concat(norm_inputs, axis=-1)
for layer_width in [128, 64, 32]:
  x = tf.keras.layers.Dense(units=layer_width)(x)
  x = tf.keras.layers.Activation(activation=tf.nn.relu)(x)
scores = tf.squeeze(tf.keras.layers.Dense(units=1)(x), axis=-1)

# Compile and train
model = tf.keras.Model(inputs=inputs, outputs=scores)
model.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=0.01),
    loss=tfr.keras.losses.SoftmaxLoss(),
    metrics=tfr.keras.metrics.get("ndcg", topn=5, name="NDCG@5"))
model.fit(ds, epochs=3)
הפעלה ב- Notebook

TensorFlow דירוג הוא ספריית קוד פתוח לפיתוח מדרגים, עצבית למיידה דרגת מודלים (LTR). מודלים דירוג משמשים בדרך כלל במערכות חיפוש והמלצה, אלא גם יושמו בהצלחה במגוון רחב של תחומים, כולל תרגום מכונה , מערכות דיאלוג e-commerce , פותרי SAT , תכנון עיר חכמה , ואפילו ביולוגיה חישובית.

מודל דירוג לוקח רשימה של פריטים (דפי אינטרנט, מסמכים, מוצרים, סרטים וכו') ויוצר רשימה בסדר אופטימלי, כגון הפריטים הרלוונטיים ביותר למעלה והפריטים הפחות רלוונטיים בתחתית, בדרך כלל בתגובה ל שאילתת משתמש:

ספרייה זו תומכת בפונקציות אובדן נקודתיות, זוגיות ורשמיות סטנדרטיות עבור דגמי LTR. הוא תומך גם מגוון רחב של מדדי דירוג, לרבות דרגת גומלין Mean (MRR) ו מנורמל מוזל מצטבר רווח (NDCG), כך שתוכל להעריך ולהשוות גישות אלה למשימת הדירוג שלך. ספריית הדירוג מספקת גם פונקציות לגישות דירוג משופרות שנחקרות, נבדקות ונבנות על ידי מהנדסי למידת מכונה בגוגל.

תחילת עבודה עם ספריית דירוג TensorFlow ידי בודק את ההדרכה . למידע נוסף על היכולות של הספרייה על ידי קריאת הסקירה לבדוק את קוד המקור עבור TensorFlow הדירוג ב- GitHub .