MSRA推出Benchmark Datasets for Learning to Rank（LETOR）

剛才收到老師轉寄給lab的信，Microsoft Research Asia推出LETOR。研究ranking的最大問題在於沒有共通測量標準，於是某學者參考了99個model後提出了第100個model，但沒有人知道這100個model差在那，適用在什麼樣的資料。

MSRA推出的LETOR想建立一個通用標準，幫助評量各種model。在machine learning裡，讀入一堆traninig data改善model內部結構稱為learning，machine learning的做法多為自訂一個model，透過learning建出model後，就能拿來應用，比方ranking web pages（PageRank不是machine learning）。

官網也提到MSRA會在SIGIR’2007用LETOR辦個workshop，看起來很有意思，也有助於MSRA建立LETOR的地位。目前來看，MS Research的東西看起來都挺有趣的，只要在十年內能弄出強大的新功能，MS又能站穩它們的地位吧。

另外那篇公告是放在users/tyliu/目錄下，看了一下tyliu的介紹，真是強的亂七八糟，SIGIR’2007上三篇！中文介紹上寫他是清華大學電工系畢業，先做multimedia再轉information retrieval，完全是不同等級的人。看來若想做學術研究，當教授不如進MS/Yahoo/Google Research吧。

額外想到的事，ranking的特徵是order，clustering的關鍵是定義相似度，可以看成比order弱的屬性。若ranking的標準成立了，是否能帶出clustering的標準呢？比方以ranking相近表示相似度，再看怎麼把ranking的benchmark轉過去。