视频没有讲清楚，后面写的不好，还是贴上别人的博客吧，讲的很清楚：
https://blog.csdn.net/anshuai_aw1/article/details/86018105
方便以后自己查阅
排序学习 —— 通过机器学习的方法帮助排序
最早用于信息检索，比如给定搜索的内容，返回相应的文档，那么如何决定返回文档的顺序呢？这就需要排序学习~
PointWise：
在PointWise方法下，每个item对应于一个类别，排序问题就可以被看成是一个分类问题。
一般来说，每个item会被转化成特征向量，向量里包含一些特征，比如PageRank分数，关键字出现次数等信息，将特征向量输入分类器（如SVM、逻辑回归、感知机等），就能得到一个分数，通过分数就能得到最终的排序列表。
优势：在于其直接支持已有的回归或者分类的理论和算法。
缺点：由于是分类问题，被分为同一类的文档会丢失次序信息。
例子：例子中使用了均方误差作为损失函数，实际中还可以使用交叉熵等其他loss。
PairWise：
核心思想：如果知道文档的相对次序，那么最终就能恢复出整个排列。比如对于文档（a，b，c），如果知道a和b、b和c、a和c之间的相对次序，那么也就知道了最终的排序。
下面是PointWise和PairWise的对比：
PairWise的缺陷在于，由于推导出来的是两两之间的顺序，因此很难推导出item的整体顺序。
举个例子：
ListWise:
最复杂也是最完善的方式。
基本思想和上面两种不大一样，每一个训练样例都对应于一个item列表（所有的查询结果），根据训练样例可以得到评分函数F。对于新的item，使用评分函数打分，对分数进行排序，就可以得到最终的排序结果。
排序的评价指标：
来源：CSDN
作者：goldfish3
链接：https://blog.csdn.net/goldfish3/article/details/103714040