我试图根据CS 224D: Deep Learning for NLP lecture note了解排名损失（a.k.a，最大保证金目标函数，MarginRankingLoss ......）。
在本文中，成本定义如下：J =（1 + sc - s）
s = f（θ，x），sc = f（θ，xc）， x是正确的输入，而xc是错误的输入。
所以，s是好事的得分，sc是坏事的得分。
我的问题是： 要更新权重，我是否必须得到∂J/∂θ或∂s/∂θ？
我以为我必须做∂J/∂θ来更新θ。
因此，由于J = 1 + sc-s，∂J/∂θ=∂sc/∂θ - ∂s/∂θ。
所以我认为应该分别获得∂sc/∂θ和∂s/∂θ。
然而，在演讲笔记中，计算∂J/∂s= -1并使用此值更新网络。
我做错了什么？