ドメイン特徴からランキングモデルのパラメータを予測することで，学習データのないドメインでも性能の良いランキングモデルを構築することを試みました．
メンバー
研究成果
- Takumi Ito, Atsuki Maruta, Makoto P. Kato, Sumio Fujita. PR-Rank: A Parameter Regression Approach for Learning-to-Rank Model Adaptation without Target Domain Data. Proceedings of the The 25th International Conference on Web Information Systems Engineering (WISE 2024), Dec. 2024.
- 伊藤拓誠, 丸田敦貴, 加藤誠, 藤田澄男. ターゲットドメインのデータが不要なランキング学習モデルのドメイン適応. 電子情報通信学会論文誌 D. 2025, J108-D (5), pp. 274-285.
- 伊藤拓誠, 丸田敦貴, 加藤誠. ドメイン特徴に基づくランキング学習モデルのドメイン適応. 第16回データ工学と情報マネジメントに関するフォーラム (DEIM2024), Mar. 2024.