学习排序算法（一）：单文档方法 Pointwise

1. 基本思想

    这种方法主要是将搜索结果的文档变为特征向量，然后将排序问题转化成了机器学习中的常规的分类问题，而且是个多类分类问题。

2. 方法流程

    Pointwise方法的主要流程如下：

我们可以看出，整个流程分为三部分：提取特征做训练；分类算法学习；测试query排序。

    我们可以把ranking量化成多个标记，比如{perfect，Excellent，good，fair，bad}；

    然后每个文档对应一个分类标记，这样就成了标准的分类问题形式了（样本特征-类别标记）。网上给出了一个案例，如下：

    此时，我们就可以用机器学习中的分类算法来学习。

    如何对测试query的搜索结果排序呢？很简单，我们提取这些搜索结果文档的特征，然后对学习到的模型分类，分类之后按照标记进行排序~

3. 优缺点分析

• 属于同一类的文档之间无法排序；
• 完全从单文档的分类角度计算，没有考虑文档之间的相对顺序。

学习排序算法（一）：单文档方法 Pointwise