学习排序算法（一）：单文档方法 Pointwise
1. 基本思想
这样的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，并且是个多类分类问题。
2. 方法流程
Pointwise方法的主要流程例如以下：
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcHVxdXRvZ2V0aGVy/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
我们能够看出。整个流程分为三部分：提取特征做训练；分类算法学习；測试query排序。
我们能够把ranking量化成多个标记。比方{perfect，Excellent，good，fair，bad}。
然后每一个文档相应一个分类标记，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。例如以下：
此时。我们就能够用机器学习中的分类算法来学习。
怎样对測试query的搜索结果排序呢？非常easy。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。分类之后依照标记进行排序~
3. 优缺点分析
- 属于同一类的文档之间无法排序；
- 全然从单文档的分类角度计算，没有考虑文档之间的相对顺序。