Apprentissage du classement - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

2024-08-30T18:55:37Z

Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 30 août 2024 à 14:55
Ligne 14 :		Ligne 14 :

	''' machine-learned ranking (MLR)'''		''' machine-learned ranking (MLR)'''

	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵↵↵ » par «   »

2024-01-29T15:29:18Z

Remplacement de texte : « ↵↵↵ » par «   »

← Version précédente		Version du 29 janvier 2024 à 11:29
Ligne 16 :		Ligne 16 :

	==Sources==		==Sources==


	[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]


	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Pitpitt : Remplacement de texte : « '''==Sources== » par « ''' ==Sources==  »

2024-01-27T23:44:06Z

Remplacement de texte : « '''==Sources== » par « ''' ==Sources==  »

← Version précédente		Version du 27 janvier 2024 à 19:44
Ligne 13 :		Ligne 13 :
	''' learning to rank'''		''' learning to rank'''

	''' machine-learned ranking (MLR)'''==Sources==		''' machine-learned ranking (MLR)'''

			==Sources==


	[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »

2024-01-27T21:38:48Z

Remplacement de texte : « ↵↵<small> » par « ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 17:38
Ligne 13 :		Ligne 13 :
	''' learning to rank'''		''' learning to rank'''

	''' machine-learned ranking (MLR)'''		''' machine-learned ranking (MLR)'''==Sources==

	~~<small>~~

	[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Learning_to_rank Source : Wikipedia Machine Learning ]

Pitpitt le 23 janvier 2023 à 21:57

2023-01-23T21:57:48Z

← Version précédente		Version du 23 janvier 2023 à 17:57
Ligne 9 :		Ligne 9 :
	== Français ==		== Français ==
	''' apprentissage du classement '''		''' apprentissage du classement '''


	== Anglais ==		== Anglais ==
Ligne 21 :		Ligne 20 :


	[[Catégorie:~~publication]]~~		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Wikipedia-IA‎~~]]

Amanda le 12 janvier 2023 à 19:50

2023-01-12T19:50:38Z

← Version précédente		Version du 12 janvier 2023 à 15:50
Ligne 21 :		Ligne 21 :


	[[Catégorie:~~vocabulary~~]]		[[Catégorie:publication]]
	[[Catégorie:Wikipedia-IA‎]]		[[Catégorie:Wikipedia-IA‎]]

Amanda : Amanda a déplacé la page Learning to rank vers Apprentissage du classement

2023-01-12T19:46:42Z

Amanda a déplacé la page Learning to rank vers Apprentissage du classement

← Version précédente	Version du 12 janvier 2023 à 15:46
(Aucune différence)

Amanda le 12 janvier 2023 à 19:46

2023-01-12T19:46:20Z

← Version précédente		Version du 12 janvier 2023 à 15:46
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	L'apprentissage du classement ~~ou le classement par [[apprentissage automatique]]~~ est l'application de l'apprentissage automatique, typiquement supervisé, semi-supervisé ou par renforcement, à la construction de modèles de classement pour les systèmes de recherche d'information.		L'apprentissage du classement est l'application de l'[[apprentissage automatique]], typiquement supervisé, semi-supervisé ou par renforcement, à la construction de modèles de classement pour les systèmes de recherche d'information.

	Les données d'apprentissage utilisées ~~consistent en des listes d'éléments~~ partiellement ~~étiquetés~~. L'ordre des éléments de chaque liste est basé sur un score numérique ou ordinal ~~ou une classification binaire (par exemple "pertinent" ou "non pertinent")~~ associé à chaque élément. Le modèle de classement a pour but de classer, c'est-à-dire de ~~produire une permutation d'~~éléments ~~dans de nouvelles listes~~, d'une ~~manière similaire aux classements dans les données d~~'~~apprentissage~~.		== Complément ==
			Les données d'apprentissage utilisées sont souvent partiellement étiquetées. L'ordre des éléments de chaque liste est basé sur un score numérique ou ordinal associé à chaque élément. Le modèle de classement a pour but de classer, c'est-à-dire de mettre les éléments en ordre.

			Par exemple, les résultats d'une recherche Google sont ordonnés selon l'algorithme de classement [[PageRank]].

	== Français ==		== Français ==
	''' classement ~~par apprentissage automatique~~ '''		''' apprentissage du classement '''

	~~''' classement par apprentissage machine '''~~

	== Anglais ==		== Anglais ==

Amanda le 10 janvier 2023 à 15:56

2023-01-10T15:56:13Z

← Version précédente		Version du 10 janvier 2023 à 11:56
Ligne 1 :		Ligne 1 :
	==~~en construction~~==		== Définition ==
			L'apprentissage du classement ou le classement par [[apprentissage automatique]] est l'application de l'apprentissage automatique, typiquement supervisé, semi-supervisé ou par renforcement, à la construction de modèles de classement pour les systèmes de recherche d'information.

	~~== Définition ==~~		Les données d'apprentissage utilisées consistent en des listes d'éléments partiellement étiquetés. L'ordre des éléments de chaque liste est basé sur un score numérique ou ordinal ou une classification binaire (par exemple "pertinent" ou "non pertinent") associé à chaque élément. Le modèle de classement a pour but de classer, c'est-à-dire de produire une permutation d'éléments dans de nouvelles listes, d'une manière similaire aux classements dans les données d'apprentissage.
	~~XXXXXXXXX~~

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' classement par apprentissage automatique '''

			''' classement par apprentissage machine '''

	== Anglais ==		== Anglais ==
	''' ~~Learning~~ to rank'''		''' learning to rank'''

	~~Learning to rank or~~ machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems.[2] Training data consists of lists of items with some partial order specified between items in each list. This order is typically induced by giving a numerical or ordinal score or a binary judgment (e.g. "relevant" or "not relevant") for each item. The ranking model purposes to rank, i.e. producing a permutation of items in new, unseen lists in a similar way to rankings in the training data.		''' machine-learned ranking (MLR)'''

	<small>		<small>

Pitpitt le 3 janvier 2022 à 21:10

2022-01-03T21:10:14Z

← Version précédente		Version du 3 janvier 2022 à 17:10
Ligne 10 :		Ligne 10 :
	''' Learning to rank'''		''' Learning to rank'''

	Learning to rank~~[1]~~ or machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems.[2] Training data consists of lists of items with some partial order specified between items in each list. This order is typically induced by giving a numerical or ordinal score or a binary judgment (e.g. "relevant" or "not relevant") for each item. The ranking model purposes to rank, i.e. producing a permutation of items in new, unseen lists in a similar way to rankings in the training data.		Learning to rank or machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems.[2] Training data consists of lists of items with some partial order specified between items in each list. This order is typically induced by giving a numerical or ordinal score or a binary judgment (e.g. "relevant" or "not relevant") for each item. The ranking model purposes to rank, i.e. producing a permutation of items in new, unseen lists in a similar way to rankings in the training data.

	<small>		<small>

Apprentissage du classement - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par « ==Sources== »

Pitpitt : Remplacement de texte : « ↵↵↵ » par « »

Pitpitt : Remplacement de texte : « '''==Sources== » par « ''' ==Sources== »

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »