·学会排序

日常生活中存在多种多样的排序。我们最熟悉的，比如娱乐圈里的“超女”、“快男”，体育界的各项赛事，在学校里经常会碰到的成绩排名等等。

“其实排序是一种关系的表现，不像以前比如分类、回归是一个物体或一个对象本身的属性，”和李航一起做该课题研究的刘铁岩博士告诉记者，“以前说一个网页，它到底是讲新闻还是讲体育的？其实是个绝对的事，拿到这个网页一切都知道了，是它的本身的属性。但排序是指这一个网页跟别的网页之间比较的一种关系。比如以前可以叫做一元学习，那么现在则是一个更高元的、更高阶的一个问题。”

李航觉得，这一点对整个传统的机器学习都是一个很大的挑战。因为按传统观点，会存在一些基本假设，每个样本背后都是同样一个规律在控制。但是对于排序，“其实我们想要挖掘的是要满足对象之间的那种关系，这就不能用以前那种假设去看待了，至少在某种情况下，已经不完全成立了，所以会有一些新的理论和实践要发生”。

与之前的“Pairwise”不同的是，李航和刘铁岩他们所提出的新研究方法“Listwise”是基于一个列表的学习，也就是以一个列表为基本的学习单元，“因为一个列表本身就包含了一些排了序的文档，某些关系已经嵌在这样的表达方式里。”刘铁岩说，“所以我们不需要像以前研究时的那种假设，文档之间会有相对大小的关系，这些都已经在我们学习单元里面了，这使得基于此的一些理论和实践都会比较顺畅，和以前有较大不同。”

Listwise方法之所以受到关注，是因为在评价排序结果好坏的时候，它把查询词对应的所有文档通盘考虑，全局衡量，而以前的工作把目光中在单个文档或者一对文档之上；而且可以对文档之间的关系，如相似度等进行建模，因此可以定义更加有效的排序函数；另外，由于是列表级别，它可以充分利用文档在列表中的位置信息，因此可以更加强调排在前面的文档，而这与用户的体验更加一致。