TY -的A2 Travieso-Gonzalez Carlos m . AU -陈,凯盟- Li Rongchun盟——窦,永盟——梁、政法AU - Lv气PY - 2017 DA - 2017/02/13排名TI -支持向量机核近似SP - 4629534六世- 2017 AB -学习排名算法已成为重要近年来由于其成功应用在信息检索中,推荐系统,计算生物学,等等。排名支持向量机(RankSVM)的技术发展水平排名模型和已顺利地应用。非线性RankSVM (RankSVM非线性内核)可以给精度高于线性RankSVM (RankSVM线性内核)对于复杂非线性排名问题。然而,学习方法对非线性RankSVM仍然因为内核矩阵的计算耗时。在本文中,我们提出一个快速排名算法基于内核近似,以避免计算内核矩阵。我们探索两种内核近似方法,即Nystrom方法和随机傅里叶特征。原始的截断牛顿法用于优化成对L2-loss(平方Hinge-loss)排名模型的目标函数在非线性内核近似。实验结果表明,我们提出的方法得到一个更快的训练速度比内核RankSVM和达到类似或更好的性能先进的排名算法。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/4629534 - 10.1155 / 2017/4629534摩根富林明计算智力和神经科学PB - Hindawi KW - ER