无偏学习排名遇到现实：来自百度大规模搜索数据集的教训

原文约300字，阅读约需1分钟。发表于：。

通过对百度搜索引擎的实时数据集开展实证研究，发现无偏学习排序技术在点击预测方面有明显的性能提升，但这并不转化为在专家相关性标注中的排名性能改进，表明结论在很大程度上取决于基准评估方法。

该研究使用无偏学习排序方法ULTR训练无偏排序模型，发现当点击数据完美拟合时可以恢复真实相关性，但实际上并非总能实现，导致排序性能下降。研究提出了节点干预和节点合并两种方法来修正数据集并恢复图连通性，验证了方法的有效性。