Legjobb válasz
Íme néhány tanulás a RankLib-en kívüli könyvtárak rangsorolásához: /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- A rangsorolás metrikus tanulása (Matlab)
- SVM-Rank megvalósítás (C ++)
- ListMLE , ListNET
- SVM-MAP megvalósítás (C ++ )
- A könyvtár rangsorolásának tanulása (C ++)
- jforests (Java)
- IPython demo a rangsorolás megtanulásáról
- A LambdaRank (Python) megvalósítása kifejezetten a kaggle rangsorversenyhez)
Ennek ellenére a RankLib továbbra is a legjobb opció az érettség és a bizonyított helyesség szempontjából.
Ha ezek közül egyik sem működik az Ön számára, mindig van lehetőség arra, hogy maga is írjon egyet. Régebben használtam, és a következőket tudom ajánlani:
SVMRank (C) A rangsoroláshoz használt vektorgép támogatása
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Haven nem használta, de tud róla:
XGboost (sok nyelvhez tartozó interfészekkel széles körben használják; soha nem próbálta rangsorolási problémák miatt) )
Jforests (Java) jforests – Faegyüttesek a gépi tanuláshoz – Google Project Hosting