Learning-to-Rank

定义 Definition

Learning-to-rank（学习排序）：一种机器学习方法，用训练数据学习“如何把一组候选项按相关性/优先级排成序”，常用于搜索引擎检索结果排序、推荐系统、问答检索等场景。（也常写作 learning to rank 或缩写 LTR。）

发音 Pronunciation

/ˈlɜːrnɪŋ tə ræŋk/

例句 Examples

We use learning-to-rank to improve search results.
我们使用学习排序来改进搜索结果。

In an e-commerce platform, learning-to-rank models combine text relevance, price, and user behavior to rank products for each query.
在电商平台中，学习排序模型会综合文本相关性、价格和用户行为，为每个查询对商品进行排序。

词源与背景 Etymology & Background

该术语由 learning（学习）+ to + rank（排序/排名） 组成，字面意思是“学习如何排序”。它在信息检索（Information Retrieval）与机器学习交叉领域中逐渐固定为专门术语，强调：排序规则不是手工写死，而是从标注的偏好/点击等数据中学习得到。常见范式包括 pointwise、pairwise、listwise（业内常用分类）。

相关词 Related Words

• Ranking
• Relevance
• Information
• Retrieval
• Query
• Dataset
• Label
• Feature
• Model
• Recommendation

文学与著作中的用例 Literary / Notable Works

• Introduction to Information Retrieval（Manning, Raghavan, Schütze）：在学习排序与网页搜索相关章节/讨论中出现该术语。
• Learning to Rank for Information Retrieval（Tie-Yan Liu）：以学习排序为核心主题的专著/综述性著作。
• Learning to Rank for Information Retrieval（Liu, 2009, Foundations and Trends in Information Retrieval）：经典长篇综述，系统整理学习排序方法与评测。