Nejlepší odpověď
Zde je několik knihoven Learning to Rank mimo RankLibhttp: //arogozhnikov.github.io/2015/06/26 /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- Metrické učení k hodnocení (Matlab)
- implementace SVM-Rank (C ++)
- ListMLE , ListNET
- implementace SVM-MAP (C ++ )
- Learning To Rank Library (C ++)
- jforests (Java)
- IPython demo o učení se hodnotit
- Implementace LambdaRank (Python) speciálně pro kaggle ranking competition)
To znamená, že RankLib stále zůstává nejlepší možnost z hlediska zralosti a prokázané správnosti.
Pokud pro vás žádný z těchto postupů nefunguje, vždy existuje možnost napsat si ho sami.
Odpovědět
Alternativy Používal jsem v minulosti a mohu doporučit:
SVMRank (C) Support Vector Machine for Ranking
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Nepoužívá se, ale ví o:
XGboost (široce používaný s rozhraními pro mnoho jazyků; nikdy jsem to nezkoušel pro problémy s hodnocením) dmlc / xgboost (viz také tento příklad XGBoost-rank )
Jforests (Java) jforests – Tree Ensembles for Machine Learning – Google Project Hosting