watson检索和排名 - 手动排名

Question

我正在尝试构建一个示例的排名。 我做了“自动训练”，我得到了确定的结果（可能会更好） 我试图进入手动训练，但我很迷惑有关从Bluemix在线文档参数的含义：https://www.ibm.com/watson/developercloud/doc/retrieve-rank/training_data.shtml#manual

莫非一些请在下面的Bluemix示例数据中解释一下？

query_id, feature1, feature2, feature3,...,ground_truth 
question_id_1, 0.0, 3.4, -900,...,0 
question_id_1, 0.5, -70, 0,...,1 
question_id_1, 0.0, -100, 20,...,3 
... 

什么是query__id？ （它代表什么？） 什么是feature1，feature2？ （它代表什么？） 什么是question_id_1？ （它代表什么？） 以及如何计算这些分数（0.0，3.4，-900）？

我明白，ground_truth值必须从0到4，（0意味着根本不相关，4意味着完美匹配）是正确的吗？

亲切的问候 泽维尔

Answer 1

训练数据是指训练learning-to-rank（L2R）算法。 L2R方法首先获取响应于query（又名问题）而生成的candidate answers（例如，搜索结果页面中的文档）的列表，并将每个query-answer pair表示为一组特征。每个功能都希望能够捕捉特定候选答案与查询相匹配的一些表示。训练数据中的每一行表示属于这些查询 - 答案对之一的特征值。

由于训练数据包含来自大量不同查询（以及相应的搜索结果）的特征向量，因此第一列使用查询ID来将响应于单个查询而生成的不同候选答案捆绑在一起。

正如您所说，最后一栏简单地捕捉了人类注释者是否相信答案实际上与问题相关。 0-4比例不是强制性的。 0总是表示不相关。但在此之后，您可以使用任何规模对您的使用情况有意义（当数据有限时，人们通常只使用0-1二进制规模，因为这会降低复杂性）。

在您引用的文档页面上提供的python script实际上将经过生成候选答案和相应特征向量的过程，给出包含不同查询的文件。您可能希望逐步浏览该脚本中的代码，以更好地了解如何创建您的培训数据。