Bedste svar
Her er nogle lære at rangere biblioteker uden for RankLibhttp: //arogozhnikov.github.io/2015/06/26 /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- Metrisk læring til rang (Matlab)
- SVM-Rank implementering (C ++)
- ListMLE , ListNET
- SVM-MAP implementering (C ++ )
- Learning to Rank Library (C ++)
- jskove (Java)
- IPython demo om at lære at rangere
- Implementering af LambdaRank (Python) specielt til kaggle ranking konkurrence)
Når det er sagt, RankLib er stadig den bedste mulighed med hensyn til modenhed og bevist korrekthed.
Hvis ingen af disse fungerer for dig, er der altid mulighed for at skrive en selv.
Svar
Alternativer Jeg har brugt tidligere og kan anbefale:
SVMRank (C) Support Vector Machine for Ranking
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Haven har ikke brugt, men kender til:
XGboost (meget brugt med grænseflader til mange sprog; har aldrig prøvet det for at rangere problemer) dmlc / xgboost (se også dette XGBoost-rank eksempel )
Jforests (Java) jforests – Tree Ensembles for Machine Learning – Google Project Hosting