我正在研究网络搜索任务的监督学习问题，我可以访问一组相对较小的人工标记示例和大量用户行为数据。
现在，由于呈现偏差、位置偏差等原因，用户行为数据是有偏差的。所以它的分布很可能与人工标记的数据不同。
我计划使用两者来训练神经网络模型。
现在我对如何组合两个数据集感到困惑？
如何将人工标注的数据与用户行为数据结合起来？
数据挖掘
深度学习
监督学习
2022-02-15 23:52:25
1个回答
这是学习排名问题中的常见场景。一种启发式方法是分别对显式（人工标记）和隐式（用户行为）特征进行建模。然后将单独的特征组与学习的权重组合起来，以获得它们的最终相对贡献。Agichtein 等人的《通过合并用户行为信息来提高 Web 搜索排名》更详细地介绍了这一点。
RankNet使用神经网络采用这种方法。
其它你可能感兴趣的问题