Learning to Rank 笔记

最近公司业务需要，作了很少的研究。对于一类问题，尤其是模型问题，我觉得最重要是要明白input, model和output. 看了这篇觉得这个日本小哥讲的很好https://mlexplained.com/2019/05/27/learning-to-rank-explained-with-code/

最开始LTR用在信息检索，就是根据搜索词找出搜索内容，并且order要最好，就是用户最有可能需要的放在前面。迁移到推荐系统里面，就是你搜索商品名称，系统给出一堆回应，但是哪个要在前面？一般你可以直接根据历史预测的CTR/CVR或者其他的倒序排一下，但是learn to rank就是说我学习出一个order来，争取把用户可能点击的顺序直接整出来（而不是先预测CTR再倒排）。

这是supervised learnning，一般推荐系统有MAP/NDCG来评价召回好坏。总而言之，不仅仅是预测用户对每一个商品的CTR，而是rerank，对初筛之后的候选集合直接学习出顺序。