用任意费用函数训练学系统

摘要

本发明涉及用于训练机器学系统的系统和方法。许多费用函数是不平滑或不可微分的，并且在机器学系统的训练期间不能被容易地使用。机器学系统可以至少部分基于由该学系统生成的已分级或排序的结果而包括一组估计梯度。该估计梯度可以被选择以反映费用函数的需求，并用来代替费用函数以在学系统的训练期间用于确定或修改该学系统的参数。

主权项

一种允许用户对结构化数据进行定位、排序、分级的方法，其中依照不可微分费用函数训练机器学习系统来结构化数据，所述方法包括：从数据存储中接收一组输入数据，该组输入数据是作为先前搜索查询的结果而被返回的并包括下述项中的至少一个：一个或多个网页、一个或多个文本文件、一个或多个图像、一个或多个音频数据文件、视频数据或字处理文件，从该组输入数据生成用于训练的结构化数据；至少部分基于所述用于训练的结构化数据以及反映上述费用函数的至少一个需求的规则，获得至少一个估计的梯度，其中所述估计的梯度指示所述机器学习系统输出的调整的量和方向；基于所述至少一个估计的梯度，更新所述机器学习系统的至少一个参数；以及从所述机器学习系统中生成结构化数据，所述结构化数据包括至少基于所述至少一个更新的参数而被更新的对输入数据的分级；以及依据经更新的分级呈现所述结构化数据。