爱华网很多人都听说过大名鼎鼎的PageRank算法，它能够自动判断网页的重要性，也是决定搜索结果排序的关键因素之一。但在很多时候，仅仅凭重要性远远无法完成一项排序。计算机和我们都有很多东西需要学习。
本刊记者 陈琼
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。而在计算机领域内，一个最典型和最热门的例子，恐怕就是排序在搜索引擎中的应用了。赫赫有名的PageRank算法，就构建了一套巧妙的机制和排序模型，来自动判断网页的重要性，并也成为Google的搜索引擎赖以成名的利器之一。 也恰恰是由于人们逐渐意识到排序问题至于搜索引擎效率的重要性，所以最近几年，整个学术界对排序的认识也在迅速提升高度，大家都希望可以非常正规的把排序当做一个学术问题来进行研究，并最终形成一个完整的理论体系。可以说，排序已经成为了机器学习领域内一个最新的分支。 就像该领域内的分类、回归、聚类等其他一些已经被研究得很透彻的问题一样，排序到底应该如何界定？存在什么样的特性？有什么理论的知识蕴含其中？如何通过机器学习来自动的构建出排序模型？ 微软亚洲研究院（MSRA）大概在三年前开始了有关“排序学习”（LearningtoRank）的研究。2007年，MSRA一篇名为《Learningto Rank: From Pairwise Approachto Listwise Approach》发表，在整个学术界引起了强烈反响。据专门负责此课题的主任研究员李航博士介绍，这也和信息爆炸时代有一定的关系，用户面前的信息量太大，“很多东西都会希望有一个排个序，搜索是最典型的例子，以此来帮助他们去访问到最想要的信息。”
“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。 回到搜索，李航说，“排序学习”这个研究更多的是关心算法，以及排序模型的构建。比如在互联网搜索的时候，网页的重要度是一个重要的特征，但也要考虑关联度；只有重要度和相关度可能也不够，还要考虑其他的一些因素。网络搜索发展到今天，人们已经慢慢意识到，有太多的因素会影响到排序，把这些因素视作特征用一些方法综合考虑得出一个最合理的排序，这是LearningtoRank要解决的问题。
