Beste antwoord
Hier zijn een aantal Learning to Rank bibliotheken buiten RankLib http://arogozhnikov.github.io/2015/06/26 /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- Metrisch leren rangschikken (Matlab)
- SVM-Rank-implementatie (C ++)
- ListMLE , ListNET
- SVM-MAP-implementatie (C ++ )
- Bibliotheek leren classificeren (C ++)
- jforests (Java)
- IPython-demo over het leren rangschikken
- Implementatie van LambdaRank (Python) speciaal voor kaggle ranking-competitie)
Dat gezegd hebbende, RankLib blijft nog steeds de beste optie in termen van volwassenheid en bewezen juistheid.
Als geen van deze voor u werkt, is er altijd de mogelijkheid om er zelf een te schrijven.
Antwoord
Alternatieven Ik heb “in het verleden gebruikt en kan aanbevelen:
SVMRank (C) Ondersteuning van vectormachine voor rangschikking
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Heb “niet gebruikt maar weet van:
XGboost (veel gebruikt met interfaces voor veel talen; heb het nooit geprobeerd voor rangschikkingsproblemen) dmlc / xgboost (zie ook dit XGBoost-rank voorbeeld )
Jforests (Java) jforests – Tree Ensembles for Machine Learning – Google Project Hosting