Learning to Rank

定义 Definition

Learning to rank（排序学习）是机器学习与信息检索中的一个方向：通过训练数据学习一个“排序函数/模型”，把候选结果（如网页、商品、文档、答案）按相关性或偏好从高到低排列。常见于搜索引擎、推荐系统、广告排序等场景。（该术语也可泛指“用学习方法做排序”。）

发音 Pronunciation

/ˈlɝːnɪŋ tə ræŋk/

例句 Examples

Learning to rank helps a search engine show more relevant results.
排序学习能帮助搜索引擎展示更相关的结果。

In modern recommendation systems, learning to rank models often combine user behavior signals with content features to optimize the final ordering.
在现代推荐系统中，排序学习模型常把用户行为信号与内容特征结合起来，以优化最终的排序结果。

词源与背景 Etymology & Background

“Learning to rank”由普通英语短语构成：learning（学习）+ to（去/用来）+ rank（排序/排名）。它作为术语在信息检索（IR）与机器学习交叉领域中普及，尤其随着搜索与推荐的工业需求增长而被系统化研究；相关方法常按学习目标分为 pointwise（点式）、pairwise（对式）与 listwise（列表式）等路线。

相关词 Related Words

• Ranking
• Information Retrieval
• Relevance
• Query
• Gradient Boosting
• LambdaRank
• NDCG
• Pairwise
• Listwise
• Recommender System

文献与作品 Literary / Notable Works

• Learning to Rank for Information Retrieval（Tie-Yan Liu，书籍/综述性著作，系统介绍排序学习框架与方法）
• Introduction to Information Retrieval（Manning, Raghavan, Schütze，经典教材，相关章节讨论排序与学习方法）
• Recommender Systems Handbook（Ricci 等编，手册类著作，涉及排序学习在推荐中的应用）
• Advances in Neural Information Processing Systems (NeurIPS) 论文集中多篇使用并讨论 “learning to rank” 方法（如用于检索、推荐与排序评估）