Интернет-математика 2009

Ссылка http://company.yandex.ru/grant/2009/ не работает.

Мы вновь открыли прием решений: http://company.yandex.ru/grant/2009/upload (без конкурса). В таблице  http://company.yandex.ru/grant/2009/results сохранены все результаты на момент закрытия конкурса, а новые (постконкурсные) решения выделены цветом.

У нас возникла дискуссия, надо ли показывать "финальные" оценки. Пришли к компромиссу: DCG по множеству для финальной оценки будем считать и публиковать раз в неделю (сделаем в скором времени).

http://buki.yandex.ru

NB: Данные, которые распространялись в рамках конкурса, соответствовали украинским сайтам и запросам пользователей из Украины (и так интерпретировались асессорами), так что есть некоторые "смещение".

см. http://company.yandex.ru/grant/2009/results

Поздравляем победителей и благодарим всех участников за интерес к конкурсу!

У меня 4.275 ("ACGT") с до неприличия простым решением - посчитал все оценки регрессией по методу Фридмана (который из TreeNet).
Использовал R и пакет gbm, результаты можно воспроизвести примерно так:

#!/usr/bin/R --no-restore --no-save -f
library(gbm)
train.csv <- read.csv("imat2009_learning.csv")  # columns: Y,X1..X245,QID
set.seed(20286298)
model <- gbm(
    formula=Y~.-QID,  # predict Y using all other attributes except QID
    data=train.csv,
    distribution="gaussian",  # least-squares loss
    n.trees=13500,
    shrinkage=0.01,
    interaction.depth=5,
    bag.fraction=0.5,
    n.minobsinnode=15,
    keep.data=TRUE,
    verbose=TRUE);
res <- predict.gbm(model, read.csv("imat2009_test.csv"), 13500)
write.table(res, "results.txt", row.names=FALSE, col.names=FALSE)

Мы решили провести мини-секцию "Интернет-математика" на конференции молодых ученых по информационному поиску,которая пройдет в рамках RuSSIR 2009 (Петрозаводск, 11-16 сентября 2009 г.). Приглашаем участников рассказать о своем опыте участия в конкурсе, использованных методах и полученных результатах. Работы принимаются до 20 мая 2009 г.

Реализовал один из модных listwise подходов – AdaRank называется ("AdaRank: A Boosting Algorithm for Information Retrieval"). Оптимизировал метрику NDCG5, отбросив те обучающие данные, где она невычислима (документов на запрос меньше пяти). В целом, результат плачевный. Сам по себе подход интуитивно понятный и легко реализуемый, даже сходимость ошибки обучения ученые доказали и показали при каких условиях она достигается. Но это в теории, а у нас тут практика и есть одна большая загвоздка – алгоритм выбора очередного weak ranker. В этом вопросе науки нет, магия одна. Да, авторы подхода предлагают в качестве базового алгоритма на каждом следующем шаге выбирать следующий по мощности параметр в качестве weak ranker, но это всего лишь некий интуитивно разумный подход, не более. Т.е. такой подход не гарантирует сходимости ошибки обучения. В работе авторов есть лишь критерий, вычислив который можно сказать, что да, это подходящий weak ranker, и он позволит снизить ошибку обучения, а вот как найти такой weak ranker ученые умалчивают. Я думаю, что на практике (и на данной обучающей выборке) метод может пригодиться лишь в качестве генератора некоего разумного начального состояния нейронной сетки, а дальше ее уже можно пробовать дрессировать с помощью какого-нибудь другого градиентного listwise метода.

Достаточно ли для участия в конкурсе наличие российского гражданства только у одного участника команды из трёх?

Напишите, пожалуйста, возможно ли изменение состава команды (например, добавление нового участника).