Show simple item record

dc.contributor.advisorYıldız, Olcay Taneren_US
dc.contributor.authorKılıç, Yasin Ozanen_US
dc.contributor.otherIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.date.accessioned2016-05-30T12:28:25Z
dc.date.available2016-05-30T12:28:25Z
dc.date.issued2011-04-28
dc.identifier.citationKılıç, Y. O. (2011). Learning to rank. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.en_US
dc.identifier.urihttps://hdl.handle.net/11729/881
dc.descriptionText in English ; Abstract: English and Turkishen_US
dc.descriptionIncludes bibliographical references (leaves 37-42)en_US
dc.descriptionix, 43 leavesen_US
dc.description.abstractThe web has grown so rapidly in the last decade and it brought the need for proper ranking. Learning to rank (LTR) is the collection of machine learning technolo- gies that construct a ranking model using training data. The model can sort documents according to their degrees of relevance or preference. In this thesis, we introduce LTR technologies and divide them into three ap- proaches: the point-wise, pair-wise and list-wise. We review the theoritical aspects of each category and introduce the representative algorithms of them. We also introduce a new LTR method GRwC which uses classifîcation and graph algorithms. We reduce the ranking problem to a two class classifîcation problem and apply KNN algorithm on a modified LTR dataset. We compared it with the popular ranking algorithm RankingSVM. Experiments on the well-known ranking datasets show that our proposed method gives slightly worse results than RankingSVM.en_US
dc.description.abstractıralama öğrenimi örnek verileri kullanarak bunlardan bir sıralama modeli oluşturan makine öğrenimi metotlarıdır. Bu model dokümanları önemine ya da uygunluğuna bağlı olarak sıralayabilir. Birçok Bilgiye Erişim teknolojisinin temelinde sıralama vardır. Bu yüzden Sıralama öğrenimi teknolojisi ile varolan bu teknolojiler daha da iyileştirilebilir. Sıralama öğrenimi son yıllarda artan bir popülariteye sahip olmuştur. Bunun temel sebebi Sıralama öğrenimi metotlarının arama motorları tarafından kullanılmaya başlanmış olmasıdır. Büyük arama motoru şirketleri son zamanlarda bir çok Sıralama öğrenimi algoritmaları geliştirmiş ve bu algoritmaları arama sistemlerinde kullanarak iyi sonuçlar almışlardır. Bu tezde, Sıralama öğrenimi teknolojilerini inceledik ve üç ayrı kategoriye ayırdık: nokta-bazlı, çift-bazlı ve liste-bazlı yaklaşımlar. Ayrıca yeni bir Sıralama öğrenimi algoritması tasarlayıp bunu popüler bir algoritma olan RankingSVM ile karşılatırdık.en_US
dc.description.tableofcontentsIntroductionen_US
dc.description.tableofcontentsRanking in Information Retrievalen_US
dc.description.tableofcontentsRanking Models in IRen_US
dc.description.tableofcontentsQuery-dependent Ranking Modelsen_US
dc.description.tableofcontentsQuery-independent Ranking Modelsen_US
dc.description.tableofcontentsQuery-level Evaluation in Information Retrievalen_US
dc.description.tableofcontentsLearning to Ranken_US
dc.description.tableofcontentsThe point-wise approachen_US
dc.description.tableofcontentsMulti-class Classification for Rankingen_US
dc.description.tableofcontentsSubset Ranking with Regressionen_US
dc.description.tableofcontentsOther Point-wise Algorithmsen_US
dc.description.tableofcontentsPair-wise Approachen_US
dc.description.tableofcontentsRankBoosten_US
dc.description.tableofcontentsRanking SVMen_US
dc.description.tableofcontentsOther Pair-wise Algorithmsen_US
dc.description.tableofcontentsList-wise approachen_US
dc.description.tableofcontentsRankCosineen_US
dc.description.tableofcontentsListNeten_US
dc.description.tableofcontentsOther List-wise Algorithmsen_US
dc.description.tableofcontentsGraph Ranking with Classificationen_US
dc.description.tableofcontentsExperiments and Resultsen_US
dc.description.tableofcontentsSetupen_US
dc.description.tableofcontentsResultsen_US
dc.description.tableofcontentsConclusionen_US
dc.language.isoengen_US
dc.publisherIşık Üniversitesien_US
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectAlgorithmsen_US
dc.subjectMachine learningen_US
dc.subject.lccTK5102.9 .K55 2011
dc.subject.lcshMachine learning.en_US
dc.subject.lcshAlgorithms.en_US
dc.titleLearning to ranken_US
dc.title.alternativeSıralama öğrenimien_US
dc.typemasterThesisen_US
dc.contributor.departmentIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.relation.publicationcategoryTezen_US
dc.contributor.institutionauthorKılıç, Yasin Ozanen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess