スケーラブルなニューラルラーニングトゥランク(LTR)モデル

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)
ノートブックで実行

TensorFlowランキングは、スケーラブル、神経の開発のためのオープンソースのライブラリであるランクに学習を(LTR)のモデル。ランキングモデルは、通常の検索と推薦システムで使用されるが、成功したなど、幅広い分野に適用されている機械翻訳対話システムの電子商取引SATソルバースマート都市計画、さらには計算生物学。

ランキングモデルは、アイテム(Webページ、ドキュメント、製品、映画など)のリストを取得し、最適化された順序でリストを生成します。たとえば、最も関連性の高いアイテムを上に、最も関連性の低いアイテムを下に配置します。ユーザークエリ:

このライブラリは、LTRモデルの標準の点ごと、ペアごと、およびリストごとの損失関数をサポートします。また含め、ランキングメトリックの広い範囲で、サポート平均相互ランク(MRR)をし、正規化は、累積ゲイン割引(NDCG)を、あなたは評価し、比較することができますので、これらは、あなたの順位のタスクに近づきます。ランキングライブラリは、Googleの機械学習エンジニアによって調査、テスト、構築された、強化されたランキングアプローチのための機能も提供します。

チェックアウトしTensorFlowランキングライブラリを使ってみるチュートリアルを。読むことによって、ライブラリの機能についての詳細はこちら概要TensorFlowが上のランキングのためのソースコードをチェックアウトをGitHubの