RankLib2.11文件格式及参数说明

RankLib是一个排序学习算法的库。目前已经实现了8种流行的算法：RankNet、RankBoost、AdaRank、Coordinate Ascent、LambdaMART、MART、ListNet和Random Forests。还实现了多种检索指标，并提供了多种方法进行评价。

文件格式

训练、测试、验证数据文件格式与SVM-Rank相同。每一行代表一个样本数据，格式如下：

 qid: : : ... : # 

其中是样本的标签，也就是训练的目标；qid:是query标识，同一query的数据需要保持连续，否则会被解析为两个不同的query；:是特征及其值；是其他信息，在训练时#后面的信息会被忽略。

、、为正整数，为浮点数，为字符串。

0 qid:9004234 1:0.00015 2:0.2 3:0.6955521 4:1.0 31:0.8157 32:0.500204 33:1.0 34:0.666667 43:0.5 44:1.0 50:1.0 #其他描述信息
0 qid:9004234 1:0.01112 4:1.0 14:1.0 31:0.77 32:0.463174 33:1.0 34:0.333333 42:0.15 43:0.3 44:1.0 50:1.0 #其他描述信息
0 qid:9004234 1:0.00015 3:0.6955521 4:1.0 31:0.8157 32:0.500204 33:1.0 34:0.666667 43:0.5 44:1.0 50:1.0 #其他描述信息
0 qid:9004234 3:0.4073483 4:1.0 24:1.0 31:0.7943 32:0.388067 33:1.0 34:0.333333 42:0.15 43:0.3 44:1.0 50:1.0 #其他描述信息

使用方法

RankLib不依赖其他第三方包，只需要有java环境即可。在RankLib所在目录下执行java -jar bin/RankLib.jar会打印使用说明，会看到详细的参数信息。

RankLib参数分为训练和测试两部分，训练参数中除了公共的参数外，还有一些算法特有的参数。

训练参数

公共参数
参数	说明
-train	训练数据文件。
-ranker	指定使用过的排序算法： 0：MART 1：RankNet 2：RankBoost 3：AdaRank 4：Coordinate Ascent 5：LambdaRank 6：LambdaMART 7：ListNet 8：Random Forests 9：Linear regression (L2 regularization)
-feature	可选的，特征描述文件，列出学习器使用的特征，每行一个特征。 如果不指定此文件，默认使用所有特征。
-metric2t	可选的，对训练数据进行评价的度量。支持MAP、NDCG@k、DCG@k、P@k、RR@k、ERR@k，默认为ERR@10。
-gmax	可选的，标签最大值，对ERR的计算有影响，默认为4，即标签范围是0、1、2、3。
-qrel	可选的，TREC格式的相关性判断文件，只对MAP和NDCG的计算有影响，默认不使用。
-silent	可选的，不打印进度信息，默认是打印的。
-missingZero	可选的，用0替换缺失的特性值，而不是抛出异常，默认抛出异常。
-validate	可选的，用于调优的验证数据文件。如果指定验证数据，对验证数据执行的最好的模型为最终的模型。默认不进行验证。
-tvs	可选的，如果没有单独的验证数据，可以使用此选项将训练数据分割成x的训练数据和1-x的验证数据。x为0-1之间的浮点数。默认不进行分割。
-save	可选的，保存学习到的模型，默认不保存。
-test	可选的，测试数据文件。如果指定测试数据，将使用测试数据评估训练出的模型，默认不进行测试。
-tts	可选的，如果没有单独的测试数据，可以使用此选项将训练数据分割成x的训练数据和1-x的测试数据。x为0-1之间的浮点数。如果同时指定-tts和-tvs，-tts会覆盖-tvs，即只会将数据分割成训练数据和测试数据。
-metric2T	可选的，对测试数据进行评价的度量。由于在实现时选项并没有区分大小写，所以同时指定-metric2t与-metric2T选项时，两个参数总是相同的，且为最后一个设置的值。默认与metric2t相同。
-norm	可选的，对所有特征向量进行标准化。method可选值为：sum（对每个特征通过其所有值的和对其进行标准化）、zscore（对每个特征通过其平均值/标准偏差进行标准化）、linear（对每个特征通过其最大值、最小值进行标准化），默认不进行标准化。
-kcv	可选的，使用k折交叉验证法进行训练。-tvs选项可以进一步的在每折中保留一部分训练数据进行验证。默认不使用k折交叉验证。
-kcvmd	可选的，保存通过交叉验证训练的模型的目录，默认不保存。
-kcvmn	可选的，每折中学到的模型的后缀。以字符“f”加上折数为前缀。默认为空字符串“”。

RankNet参数
-epoch	可选的，训练迭代次数，默认为100。
-layer	可选的，隐藏层的数量，默认为1。
-node	可选的，每个隐藏层的节点数量，默认为10。
-lr	可选的，学习率，默认为0.00005。

RankBoost参数
-round	可选的，训练轮数，默认为300。
-tc	可选的，候选域值的数量，如果为-1，则特征的所有值都用做候选域值，默认为10。

AdaRank参数
-round	可选的，训练的轮数，默认为500。
-noeq	可选的，训练时不使用“强”特征队列，默认为使用。
-tolerance	可选的，连续两轮学习的性能最小提升，默认为0.002。
-max	可选的，在不改变性能的情况下，连续选择一个特性的最大次数，默认为5。

Coordinate Ascent参数
-r	可选的，随机重新启动的次数，默认为5。
-i	可选的，每个维度的迭代次数，默认为25。
-tolerance	可选的，两次随机重启运算后性能的最小提升，默认为0.001。
-reg	可选的，正则化参数，默认不进行正则化。

MART、LambdaMART参数
-tree	可选的，树的数量，默认为1000。
-leaf	可选的，每棵树叶子节点的数量，默认为10。
-shrinkage	可选的，学习率，默认为0.1。
-tc	可选的，树分裂时候选域值的数量，如果为-1，则使用特征的所有值，默认为256。
-mls	可选的，每个叶子节点必须包含的文档的最小数量，默认为1。
-estop	可选的，如果在验证数据上连续e轮没有任何性能提升就提前停止训练，默认为100。

ListNet参数
-epoch	可选的，训练轮数，默认为1500。
-lr	可选的，学习率，默认为0.00001。

Random Forests参数
-bag	可选的，bag的数量，默认为300。
-srate	可选的，子集采样率，默认为1.0。
-frate	可选的，特征采样率，默认为0.3。
-rtype	可选的，bag使用的排序算法，可选值只有0（MART）和6（LambdaMART），默认为0。
-tree	可选的，每个bag中树的数量，默认为1。
-leaf	可选的，每棵树叶子节点的数量，默认为100。
-shrinkage	可选的，学习率，默认为0.1。
-tc	可选的，树分裂时候选域值的数量，如果为-1，则使用特征的所有值，默认为256。
-mls	可选的，每个叶子节点必须包含的文档的最小数量，默认为1。

Linear Regression参数
-L2	可选的，L2正则化参数，默认为1.0E-10。

 测试参数

公共参数
-load	要加载的模型，可以使用多个-load选项按递增的顺序来指定来自多折的模型。在这种情况下，测试/排序数据将相应地进行分区。
-test	用来评估模型的测试数据，不能与-rank选项同时使用。
-rank	对指定文件中的样本进行排序，不能与-test选项同时使用。
-metric2T	可选的，对测试数据进行评估的度量，默认为ERR@10。
-gmax	可选的，标签最大值，对ERR的计算有影响，默认为4，即标签范围是0、1、2、3。
-score	可选的，保存每个排序的对象的分数，必须和-rank选项一起使用。
-qrel	可选的，TREC格式的相关性判断文件，只对MAP和NDCG的计算有影响，默认不使用。
-idv	可选的，保存模型对于单独的排序列表，在测试度量上的性能，必须和-test选项一起使用。
-norm	可选的，标准化特征向量，可选值与训练参数中的-norm选项相同。