今天根据ToDo List看了一篇文章： Web-Search Ranking with Initialized Gradient Boosted Regression Trees, A. Mohan, Z. Chen & K. Weinberger; 14:77–89, 2011. 正好Jiawang同学有一篇读书笔记，有兴趣的可以去看看，我这里引用一段： 主要将Random Forests(RF)和Gradient Boosted Regression Trees(GBRT)做了一个sequence的combine.他们用RF得到了非常不错的效果，甚至比GBRT还要好。他们最后所用的方法是先用 RF学习一个ranking function, 用这个ranking function的输出去初始化GBRT，做一个sequence ...

Yahoo! Learning to Rank Challenge已经结束一年了，也没看看结果如果，今天师哥讲了讲，我又搜索了一下看了看结果。 The winners are Track 1: 1st place: Chris Burges, Krysta Svore, Ofer Dekel, Qiang Wu, Paul Bennett, Andrzej Pastusiak, John Platt [Microsoft Research] 2nd place: Eric Gottschalk [Activision Blizzard], David Vogel [Data Mining Solutions] 3rd place: Dmitry Pavlov, Cliff Brunk [Yandex Labs] 4th place: Daria Sorokina [Yandex Labs] Track 2: 1st place: Igor Kuralenok ...

"Yahoo发起了一项学习排序竞赛(Learning to Rank Challenge)作为ICML 2010大会的一部分，任何人可以以个人名义或组队（最多10人）参赛。竞赛3月1日开始，至5月31日结束，6月份公布获奖名单。 竞赛将公布两个之前从未发布的真实数据形成的数据集。第一个数据集包括29921个请求，744692个URL地址，519个特征。第二个数据集包括6330个请求，172870个URL地址，596个特征。竞赛的任务是根据训练集中的数据构造一个排序函数，对验证集和测试集中URL地址进行排序。 第1至4名优胜者将分别获得8000，4000，2000，1000美元，...