listwiseoptimointia
Listwiseoptimointi viittaa listwise-tyyppiseen oppimiseen rankingeissa, jossa huiputetaan malleja hoitamaan koko listan järjestys kerralla, ei vain yksittäisten tuotteiden tai parien perusteella. Siinä oppimisalgoritmi käyttää koko hakijoiden listaa per kysely (query) ja pyrkii löytämään järjestyksen, joka parhaiten vastaa relevanssiarvosteluja. Tämä eroaa pointwise-tilanteesta, jossa optimoidaan kerralla yhden kohteen arvoa, sekä pairwise-tilanteesta, jossa optimoidaan paremmuusjärjestystä kohteiden pareja vastaan.
Listwise-menetelmät muodostavat usein todennäköisyysjakauman käytettävälle järjestykselle ja asettavat häviöfunktion sen perusteella. Esimerkkejä listwise-rankausmenetelmistä ovat ListNet ja
Käytännössä listwise-optimointi soveltuu hakukoneisiin ja suositusjärjestelmiin, joissa kappaleen järjestys vaikuttaa käyttäjäkokemukseen merkittävästi. Hyötyinä on usein parempi