武宇婷，张子旸，田玉玲，张弘弦

(1.太原理工大学 信息与计算机学院，太原 030024；2.上海交通大学 电子信息与电气工程学院，上海 200030)

排序学习是信息检索领域最受关注的技术之一，并且广泛应用于文档分类、文本处理、产品分级及其他涉及排序问题的领域。排序学习提供了一种优秀的自动化框架进行特征组合，这些组合可以查询依赖特征，如通过现存搜索引擎给文档赋予分数，也可以是查询独立特征，如pagerank信息。

排序学习作为一种机器学习技术，从训练集的角度可以分为监督式学习和半监督式学习。监督式学习中，排序学习算法都使用一组带有标签的查询文档对作为训练数据去训练排序模型[1]；而在非监督式学习中，排序学习算法使用一小部分有标签的查询文档对将多数无标签的查询文档作为训练集[2]。训练数据中，文档与查询是否相关取决于相关性标签，通常这些标签都是人工进行判断。从学习过程的角度，排序学习可以分为批处理学习和在线学习。经典的排序学习算法大多属于批处理学习，学习过程中将一次性使用全部的训练数据，通常使用的数据集是微软发布的LETOR数据集[3]。批处理排序学习只需要一个训练过程，一旦模型训练完成就可以应用于新的查询和新的语料库，根据特征计算相关性并学习最终模型的过程只需要进行一次。在线排序学习将排序学习问题建模，用户和搜索引擎之间持续循环交互，搜索引擎随时提供给用户最好的搜索结果，搜索引擎可以与交互的用户学习并改善排序模型[4]。……