Najlepsza odpowiedź
Oto kilka wskazówek dotyczących rangowania bibliotek poza RankLibhttp: //arogozhnikov.github.io/2015/06/26 /learning-to-rank-software-datasets.html:
- LEROT (Python)
- xapian-letor
- Metric uczenie się rangi (Matlab)
- Implementacja SVM-Rank (C ++)
- ListMLE , ListNET
- Implementacja SVM-MAP (C ++ )
- Biblioteka uczenia się rang (C ++)
- jforests (Java)
- Demo IPython dotyczące uczenia się rangi
- Implementacja LambdaRank (Python) specjalnie dla konkurencji rankingowej kaggle)
To powiedziawszy, RankLib nadal pozostaje najlepszym pod względem dojrzałości i potwierdzonej poprawności.
Jeśli żadna z tych opcji nie zadziała, zawsze istnieje możliwość samodzielnego napisania.
Odpowiedz
Alternatywy Używałem w przeszłości i mogę polecić:
SVMRank (C) Support Vector Machine for Ranking
JLIS-Reranking (Java) http://flake.cs.uiuc.edu/~mchang21/softwares/JLIS/rerank.html
Haven „nie używane, ale wiem o:
XGboost (szeroko używany z interfejsami dla wielu języków; nigdy nie próbowałem tego w przypadku problemów z rankingiem) dmlc / xgboost (zobacz także ten przykład XGBoost-rank )
Jforests (Java) jforests – Zestawy drzew dla uczenia maszynowego – hosting projektów Google