Meilleure réponse
Voici quelques bibliothèques Apprendre à classer en dehors de RankLibhttp: //arogozhnikov.github.io/2015/06/26 /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- Métrique apprenant à se classer (Matlab)
- Implémentation SVM-Rank (C ++)
- ListMLE , ListNET
- Implémentation SVM-MAP (C ++ )
- Bibliothèque Learning To Rank (C ++)
- jforests (Java)
- Démo IPython sur lapprentissage du classement
- Implémentation de LambdaRank (Python) spécialement pour la compétition de classement kaggle)
Cela dit, RankLib reste toujours le meilleur option en termes de maturité et dexactitude prouvée.
Si rien de tout cela ne fonctionne pour vous, il y a toujours la possibilité den écrire un vous-même.
Réponse
Alternatives Jai utilisé dans le passé et je peux recommander:
SVMRank (C) Support Vector Machine for Ranking
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Je nai pas utilisé mais je connais:
XGboost (largement utilisé avec des interfaces pour de nombreuses langues; jamais essayé pour des problèmes de classement) dmlc / xgboost (voir aussi cet exemple XGBoost-rank )
Jforests (Java) jforests – Ensembles darbres pour lapprentissage automatique – Hébergement de projets Google