TF-Ranking排序学习的可扩展 TensorFlow 库

谷歌 AI 发布了最新成果 TF-Ranking，它是一个专门针对排序学习（learning-to-rank）应用的可扩展 TensorFlow 库。TF-Ranking 快速且易用，并能创建高质量的排序模型，对构建 web 搜索或新闻推荐等基于真实世界数据的排序系统感兴趣的人，都可以将 TF-Ranking 作为强稳的、可扩展的解决方案。

TF-Ranking 提供了一个统一的框架，该框架包括一套最先进的排序学习算法，并且支持 Pairwise 和 Listwise 损失函数、多项目评分、排序度量优化和无偏见排序等等。

TF-Ranking 快速且易用，并能创建高质量的排序模型。该统一框架让机器学习研究人员、实践者和爱好者能够在单个库中评估和选择一系列不同的排序模型。此外，谷歌 AI 团队坚信一个有用的开源库，它的关键不仅在于提供合理的默认值（sensible default），而且还在于能够授权用户开发自定义模型。为此，他们提供了灵活的 API，让用户可以在 API 中定义和插入自定义的损失函数、评分函数和指标。