Machine learning 如何使用RankBoost二分体训练多个查询（每个查询有不同的相关和不相关文档集）

我指的是这篇论文——一种有效的组合偏好的Boosting算法 以及实施3.3——一种有效的双向反馈实施

现在，当我有来自多个查询的数据时，我对分布v感到困惑-例如，Q1返回一些文档A、B、C，而不是。。。Z为1相关，其他为0，Q2返回D、N、V相关。因此，为不同的查询设置不同的X0和X1。 因此与V的初始化V的更新和计算电势pi相混淆。如果有人能提出一些很棒的建议

编辑：

我在考虑为所有查询生成x0和x1的分布v，使其总和为1.0，并以类似的方式更新分布。。。请分享你的想法

编辑2：

---

如果有人来这里，EDIT1就可以工作了

@BalusC好的，编辑完毕！