de.mpg.escidoc.pubman.appbase.FacesBean
Deutsch
 
Hilfe Wegweiser Impressum Kontakt Einloggen
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Konferenzbeitrag

Robust Ranking Models Using Noisy Feedback

MPG-Autoren
http://pubman.mpdl.mpg.de/cone/persons/resource/persons45380

Schenkel,  Ralf
Databases and Information Systems, MPI for Informatics, Max Planck Society;

Externe Ressourcen
Es sind keine Externen Ressourcen verfügbar
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Pölitz, C., & Schenkel, R. (2012). Robust Ranking Models Using Noisy Feedback. In Workshop "Information Retrieval Over Query Sessions" (SIR 2012) at ECIR 2012 (pp. 1-6).


Zitierlink: http://hdl.handle.net/11858/00-001M-0000-0014-5783-C
Zusammenfassung
Direct feedback of users of search engines by click information is naturally noisy. Ranking models that integrate such feedback in their training process must cope with this noise. In worst case such noise can lead to large variance among the results for different queries in the resulting rankings. We propose to integrate model averaging like bagging and random forest methods to reduce the variance in the ranking models. We perform an experimental study on different noise levels using a state of the art ranking model.