PaddlePaddle

 paddle.fluid / layers / rank_loss


rank_loss

paddle.fluid.layers. rank_loss ( label, left, right, name=None ) [源代码]

该OP实现了RankNet模型中的排序损失层。RankNet是一种文档对(pairwise)排序模型,训练样本由一对文档(假设用A、B来表示)组成。标签(假设用P来表示)表示A的排名是否高于B。更多详情请参考:RankNet

排序损失层有三个输入: \(o_i\)\(o_j\)\(\tilde{P_{ij}}\) ,输入分别表示RankNet模型对文档A、B的输出得分和标签P的值;排序损失层的输入是批输入数据(批大小大于等于1);标签P的取值可以为: {0, 1} 或 {0, 0.5, 1} ,其中,0.5表示输入文档对排序相同。输入数据的排序损失 \(C_{i,j}\) 计算过程如下:

\[ \begin{align}\begin{aligned}C_{i,j} &= -\tilde{P_{ij}} * o_{i,j} + \log(1 + e^{o_{i,j}})\\o_{i,j} &= o_i - o_j\\\tilde{P_{i,j}} &= \left \{0, 0.5, 1 \right \} \ or \ \left \{0, 1 \right \}\end{aligned}\end{align} \]
参数:
  • label (Variable):维度为 \([batch,1]\) 的2-D Tensor ,数据类型为float32。其中batch表示批数据的大小。表示A的排名是否高于B。

  • left (Variable):维度为 \([batch,1]\) 的2-D Tensor ,数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档A的输出得分。

  • right (Variable):维度为 \([batch,1]\) 的2-D Tensor ,数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档B的输出得分。

  • name (str, 可选):具体用法请参见 Name ,一般无需设置,默认值为None。

返回:表示排序损失层输出值的 Tensor ,数据类型为float32,返回值维度为 \([batch,1]\)

返回类型:Variable

抛出异常:
  • ValueError - 输入 labelleft ,和 right 至少有一个不是 Variable 类型。

代码示例

import paddle.fluid as fluid
label = fluid.layers.data(name="label", shape=[-1, 1], dtype="float32")
left = fluid.layers.data(name="left", shape=[-1, 1], dtype="float32")
right = fluid.layers.data(name="right", shape=[-1, 1], dtype="float32")
out = fluid.layers.rank_loss(label, left, right)

此页内容是否对您有帮助