欢迎转载，作者：Ling，注明出处：Rank教程: 07-Learning to Rank Pointwise

本文不打算详细介绍每个算法，具体算法细节可以看Paper，但是本文会大致给出算法的核心思想。实际上所有算法都可以对应到机器学习的基础算法中。

单文档方法(PointWise Approach)：

定义：

简单说就是一个查询q和一个文档o可以得到输入特征x，以及输出label y，用机器学习方法学习模型，当给定q和o时，我们得到相应输入特征x，输入给模型，得到结果y，然后根据结果y进行排序，这就是PointWise方法。实际上就是把Rank问题转化成了分类问题。

形式化：

主要方法：

• Prank
• OC SVM
• McRank
• Subset Rank

Prank:

提出者：

Crammer & Singer

原理简述：

简单说就是利用了机器学习中感知机解决多分类问题

图示：

算法：

OC SVM: Ordinal Classification SVM

提出者：

Shashua & Levin

原理简述：

简单说就是利用了机器学习中SVM解决多分类问题

图示：

算法：

McRank:

提出者：

Li et al.

原理简述：

简单说就是利用了Gradient Boosting Tree解决多分类问题。

McRank:

提出者：

Cossock & Zhang

原理简述：

简单说就是将Rank转化为回归问题, 并且提出了DCG这个指标。