Learning to rank: combinação de algoritmos aplicando stacking e análise dos resultados
item.page.type
Dissertação
Date
2017-11-07
item.page.ispartof
item.page.citationsscopus
Authors
Paris, Bruno Mendonça
publication.page.advisor
Omar, Nizam
Journal Title
Journal ISSN
Volume Title
publication.page.board
Silva, Leandro Augusto da
Fernandes, Clovis Torres
Fernandes, Clovis Torres
publication.page.program
Engenharia Elétrica
Abstract
Com o crescimento da quantidade de informação disponível nos últimos anos, a qual
irá continuar crescendo devido ao aumento de usuários, dispositivos e informações compartilhadas
pela internet, acessar a informação desejada deve ser feita de uma maneira
rápida afim de não se gastar muito tempo procurando o que se deseja. Uma busca em
buscadores como Google, Yahoo, Bing espera-se que os primeiros resultados tragam a informação desejada. Uma área que tem o objetivo de trazer os documentos relevantes para
o usuário é conhecida por Recuperação de Informação e pode ser auxiliada por algoritmos
Learning to Rank, que aplica aprendizagem de máquina para tentar trazer os documentos
importantes aos usuários na melhor ordenação possível. Esse trabalho visa verificar uma
maneira de obter uma ordenação ainda melhor de documentos, empregando uma técnica
de combinar algoritmos conhecida por Stacking. Para isso será utilizada a ferramenta
RankLib, parte de um projeto conhecido por Lemur, desenvolvida na linguagem Java,
que contém diversos algoritmos Learning to Rank, e o conjuntos de dados provenientes de
uma base mantida pela Microsoft Research Group conhecida por LETOR.
Description
Keywords
recuperação de informação , ranking , learning to rank , stacking
item.page.scopussubject
Citation
PARIS, Bruno Mendonça. Learning to rank: combinação de algoritmos aplicando stacking e análise dos resultados. 2017. 69 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.