<?xml version="1.0"?>
<?xml-stylesheet type="text/css" href="http://index.cslt.org/mediawiki/skins/common/feed.css?303"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-cn">
		<id>http://index.cslt.org/mediawiki/index.php?action=history&amp;feed=atom&amp;title=Detail</id>
		<title>Detail - 版本历史</title>
		<link rel="self" type="application/atom+xml" href="http://index.cslt.org/mediawiki/index.php?action=history&amp;feed=atom&amp;title=Detail"/>
		<link rel="alternate" type="text/html" href="http://index.cslt.org/mediawiki/index.php?title=Detail&amp;action=history"/>
		<updated>2026-04-17T08:49:15Z</updated>
		<subtitle>本wiki的该页面的版本历史</subtitle>
		<generator>MediaWiki 1.23.3</generator>

	<entry>
		<id>http://index.cslt.org/mediawiki/index.php?title=Detail&amp;diff=13072&amp;oldid=prev</id>
		<title>Lr：以“一： originModel=true, coorModel = true, IndependentQueryNorm = false. （Pattern+STD） （1.0  + 1.0）               正确率 0.6697994987468672            MER...”为内容创建页面</title>
		<link rel="alternate" type="text/html" href="http://index.cslt.org/mediawiki/index.php?title=Detail&amp;diff=13072&amp;oldid=prev"/>
				<updated>2014-12-22T00:57:30Z</updated>
		
		<summary type="html">&lt;p&gt;以“一： originModel=true, coorModel = true, IndependentQueryNorm = false. （Pattern+STD） （1.0  + 1.0）               正确率 0.6697994987468672            MER...”为内容创建页面&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新页面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;一：&lt;br /&gt;
originModel=true, coorModel = true, IndependentQueryNorm = false.&lt;br /&gt;
（Pattern+STD） （1.0  + 1.0）               正确率 0.6697994987468672&lt;br /&gt;
           MERT        （1.8411764705882354, 1.0）  正确率 0.6785714285714286&lt;br /&gt;
（Pattern+STD+ANS）（1.0  + 1.0 + 1.0）      正确率 0.2230576441102756&lt;br /&gt;
      （50）     MERT( 7.772017177156982, 3.268445747426725, 0.030124300025176454)正确率0.3916040100250627&lt;br /&gt;
	  （200）    MERT(1.8752954510387578, 1.0, 0.003542933407792176)正确率 0.39035087719298245 &lt;br /&gt;
二：&lt;br /&gt;
originModel=false, coorModel = true, IndependentQueryNorm = false.&lt;br /&gt;
（Pattern+STD） （1.0  + 1.0）               正确率	0.6697994987468672&lt;br /&gt;
            MERT  (1.8411764705882354, 1.0)   正确率0.6785714285714286&lt;br /&gt;
（Pattern+STD+ANS）（1.0  + 1.0 + 1.0）      正确率 0.22305764411027568&lt;br /&gt;
           MERT( 7.772017177156982, 3.268445747426725, 0.030124300025176454)正确率0.3916040100250627&lt;br /&gt;
		        		   &lt;br /&gt;
三：&lt;br /&gt;
originModel=false, coorModel = true, IndependentQueryNorm = true.&lt;br /&gt;
（Pattern+STD） （1.0  + 1.0）               正确率0.6766917293233082 		   &lt;br /&gt;
           MERT  （1.843531468531468, 1.0）  正确率0.6867167919799498&lt;br /&gt;
（Pattern+STD+ANS）（1.0  + 1.0 + 1.0）      正确率0.2518796992481203&lt;br /&gt;
           MERT(4.913845907274932, 2.897752944939135, 0.1545895322080993）正确率0.39974937343358397&lt;br /&gt;
		  &lt;br /&gt;
四：		   &lt;br /&gt;
originModel=false, coorModel = false, IndependentQueryNorm = true.&lt;br /&gt;
（Pattern+STD） （1.0  + 1.0）               正确率0.568295739348371		   &lt;br /&gt;
           MERT  (0.44460517358747553 +1.0)   正确率0.606516290726817&lt;br /&gt;
（Pattern+STD+ANS）（1.0  + 1.0 + 1.0）      正确率0.21177944862155387&lt;br /&gt;
 MERT  (2.8368058039272563, 6.88885501252716, 0.04340881443310225)   正确率0.517543859649122&lt;br /&gt;
 &lt;br /&gt;
 &lt;br /&gt;
五：&lt;br /&gt;
在四的基础上。&lt;br /&gt;
lucene每次产生候选1000条。并按sq+pattern打分之和按从大到小排名后的200条：  decoder_topN=200   param_topN=200&lt;br /&gt;
FINAL lambda: {49.363768749479995, 193.56762839161996, 0.8251869637442989} (01LOSS: 0.5971177944862156)&lt;br /&gt;
正确率:0.5081453634085213（结果不等于（1-01loss）的原因是：手动排名打乱了候选的顺序）	&lt;br /&gt;
&lt;br /&gt;
lucene每次产生候选1000条。并按sq+pattern打分之和按从大到小排名后的200条：  decoder_topN=2   param_topN=100&lt;br /&gt;
FINAL lambda: {4.698954979956806, 11.119166816361151, 0.07542784920486184} (01LOSS: 0.5018796992481203)&lt;br /&gt;
正确率:0.5175438596491229&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
具体要求：&lt;br /&gt;
一  测试coord对分数的影响：PTN+STD&lt;br /&gt;
 1. 设置 originModel=false, coorModel = false, IndependentQueryNorm = true.&lt;br /&gt;
 2.     &lt;br /&gt;
                    ms += multi_score.get(this.lset.question);&lt;br /&gt;
                    ms += &amp;quot; &amp;quot;+multi_score.get(this.lset.standarQuestion);&lt;br /&gt;
                    ms += &amp;quot; &amp;quot;+multi_score.get(&amp;quot;COORD&amp;quot;)/2;&lt;br /&gt;
                   // System.out.println(ms);&lt;br /&gt;
  3. 对三个参数进行优化&lt;br /&gt;
result:每一条测试集 候选200条&lt;br /&gt;
FINAL lambda: {0.4223541925730876, 1.0, 0.020643059822497145} (01LOSS: 0.48120300751879697) &lt;br /&gt;
correct：0.5112781954887218&lt;br /&gt;
result：每一条测试集 候选150条  param_TOP=10 decoder_TOP=2&lt;br /&gt;
FINAL lambda: {0.3939081017607732, 1.0, 1.6504305703337059} (01LOSS: 0.3840852130325815)&lt;br /&gt;
correct：0.12531328320802004&lt;br /&gt;
&lt;br /&gt;
result：每一条测试集 候选150条  param_TOP=20 decoder_TOP=50&lt;br /&gt;
FINAL lambda: {0.38099301738613534, 0.9672129506427846, 1.5614477576833157} (01LOSS: 0.3966165413533834)&lt;br /&gt;
correct：0.12656641604010024&lt;br /&gt;
&lt;br /&gt;
  &lt;br /&gt;
二  测试coord对分数的影响：PTN+STD&lt;br /&gt;
 1. 设置 originModel=false, coorModel = false, IndependentQueryNorm = true.&lt;br /&gt;
 2. &lt;br /&gt;
                    ms += multi_score.get(this.lset.question) *( multi_score.get(&amp;quot;COORD&amp;quot;)/2);&lt;br /&gt;
                    ms += &amp;quot; &amp;quot;+multi_score.get(this.lset.standarQuestion) * (multi_score.get(&amp;quot;COORD&amp;quot;)/2);&lt;br /&gt;
                   // ms += &amp;quot; &amp;quot;+multi_score.get(&amp;quot;COORD&amp;quot;)/2;&lt;br /&gt;
                    System.out.println(ms);&lt;br /&gt;
  3. 对两个参数进行优化&lt;br /&gt;
result:150条候选。&lt;br /&gt;
FINAL lambda: {0.0, 1.0} (01LOSS: 0.993734335839599)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 &lt;br /&gt;
三  测试coord对分数的影响：PTN+STD+AND&lt;br /&gt;
 1. 设置 originModel=false, coorModel = false, IndependentQueryNorm = true.&lt;br /&gt;
 2.      &lt;br /&gt;
                    ms += multi_score.get(this.lset.question) &lt;br /&gt;
                    ms += &amp;quot; &amp;quot;+multi_score.get(this.lset.standarQuestion) &lt;br /&gt;
                    ms += &amp;quot; &amp;quot;+multi_score.get(&amp;quot;COORD&amp;quot;)/3;&lt;br /&gt;
                    System.out.println(ms);&lt;br /&gt;
 3. 对三个参数进行优化&lt;br /&gt;
  &lt;br /&gt;
  &lt;br /&gt;
result：150条候选&lt;br /&gt;
decoder_topN=2    param_topN=10&lt;br /&gt;
FINAL lambda: {8.425969384150346, 19.950351209292734, 1.7159789499221048} (01LOSS: 0.48245614035087714)&lt;br /&gt;
correct：0.4642857142857143&lt;br /&gt;
&lt;br /&gt;
decoder_topN=20   param_topN=50&lt;br /&gt;
FINAL lambda: {1.288935458474548, 3.060315117398841, 0.08348361840550714} (01LOSS: 0.4843358395989975)&lt;br /&gt;
correct：0.5068922305764411&lt;br /&gt;
&lt;br /&gt;
decoder_topN=50   param_topN=100&lt;br /&gt;
FINAL lambda: {0.75686983136428, 1.6890088450820864, 0.07790262435138165} (01LOSS: 0.4906015037593985)&lt;br /&gt;
correct：0.49373433583959897&lt;br /&gt;
	   &lt;br /&gt;
&lt;br /&gt;
﻿&lt;/div&gt;</summary>
		<author><name>Lr</name></author>	</entry>

	</feed>