MULTI-LABEL PAIRWISE RANKING

Provided are pairwise ranking losses for multi-label ranking problems. One example setting for the proposed approaches is when a machine learning ranking model generates a label output for a given input, where the label output is generated relative to a plurality of potential labels that correspond to relevance scores, and where the relevance scores can also define an ordering among items. The loss function(s) applied to the machine learning model capture the labels, the ranking order, and ranking score differences, integrating these into ranking optimization. Example techniques provided herein take a view of pairwise ranking in which the loss is applied only to a subset of events which is defined by the relation between labels in a pair. Each such event can dictate two symmetric events conditioned on it with opposite rankings. L'invention concerne des pertes de classement par paires pour des problèmes de classement d'étiquettes multiples. Un réglage donné à titre d'exemple pour les approches proposées porte sur un modèle de classement d'apprentissage machine générant une sortie d'étiquette pour une entrée donnée, la sortie d'étiquette étant générée par rapport à une pluralité d'étiquettes potentielles qui correspondent à des scores de pertinence, et les scores de pertinence pouvant également définir un ordre parmi des éléments. La ou les fonctions de perte appliquées au modèle d'apprentissage machine capturent les étiquettes, l'ordre de classement et des différences de score de classement, les intégrant dans une optimisation de classement. Des techniques données à titre d'exemple de la présente invention examinent un classement par paires dans lequel la perte est appliquée uniquement à un sous-ensemble d'événements qui est défini par la relation entre des étiquettes dans une paire. Chaque événement peut dicter deux événements symétriques conditionnés en fonction de celui-ci selon des classements opposés.