欢迎转载，作者：Ling，注明出处：Rank教程: 10-Learning to Rank Aggregation

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。

Ranking Aggregation:

定义：

简单说就是给定Query和文档O，我们有不同的Ranking System得到不同的排序结果，然后综合考虑这些排序结果，给出最终排序结果。

主要方法：

• Borda Count
• Markov Chain based ranking aggregation
• Cranking

Borda Count：

提出者：

Aslam & Montague

原理简述：

有多个ranking list

对于每个ranking list，排名第一的文档获得n分，排名第二的文档获得n-1分

然后累加每个文档计算最终得分

按照最终得分给所有文档排序

Markov Chain based ranking aggregation：

提出者：

Dwork et al.

原理简述：

利用不同的rank list统计文档转移概率，然后利用转移概率计算最佳的排序结果

Cranking：

提出者：

Lebanon & Lafferty

原理简述：

利用不同的rank list结合马尔科夫蒙特卡洛搜索Markov Chain Monte Carlo (MCMC)