1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，電子商務(wù)在我國的經(jīng)濟(jì)建設(shè)的地位越來越重要。商品搜索引擎是電子商務(wù)網(wǎng)站一個重要的部分，是用戶在網(wǎng)站上購物的入口，起到連接一切商品的橋梁的作用。傳統(tǒng)的信息檢索以簡單的模型或規(guī)則建立對商品的排序，但是隨著商品決策因子的增加，人工加權(quán)的簡單模型越來越不能適應(yīng)多維度的海量數(shù)據(jù)的快速變化。為了發(fā)揮機(jī)器的計算能力和解放人工計算的繁雜工作，本文研究以機(jī)器學(xué)習(xí)的角度解決商品的搜索和排序。本文從傳統(tǒng)信息檢索領(lǐng)域出發(fā)，研究常見信息檢索模

2、型，通過比較和分析排序?qū)W習(xí)模型的優(yōu)缺點，建立商品搜索引擎必備的理論基礎(chǔ)。
　　首先本文研究了排序?qū)W習(xí)模型中Pointwise、Pairwise和Listwise的異同點，對排序?qū)W習(xí)有了理論上的基礎(chǔ)之后，本文詳細(xì)研究了機(jī)器學(xué)習(xí)中的模型訓(xùn)練和測試過程，為了能夠精確處理海量日志數(shù)據(jù)，本文從特征的選擇和學(xué)習(xí)等角度建立對特征的構(gòu)造一般方法。其次，本文深入研究了ListNet模型，介紹了ListNet模型中把得分序列轉(zhuǎn)換成概率分布的方法，把整

3、個序列看成實例的Listwise方法是排序?qū)W習(xí)中最直接、效果最好的方法。ListNet使用神經(jīng)網(wǎng)絡(luò)模型，用梯度下降方法來優(yōu)化算法。最后在研究了排序結(jié)果評價方法和損失函數(shù)的融合基礎(chǔ)上，本文進(jìn)行了一系列的實驗來驗證本文所提到的算法的有效性。
　　實驗的結(jié)果表明，在電子商務(wù)網(wǎng)站的商品搜索中Listwise方法是最自然的表述搜索過程的模型，特征對最后的結(jié)果有著非常重要的作用，應(yīng)該從用戶搜索商品這一實際過程出發(fā)建立能夠影響搜索行為的特征，同