从用户与排序的交互中学习：该领域的统一

排序系统构成在线搜索引擎与推荐服务的基础。它们处理大规模条目集合（例如网页或电商产品），并向用户呈现一小部分有序选择。排序系统的目标是帮助用户以最少的努力找到其所寻条目。因此，它们生成的排序应将最相关或最受偏好的条目置于排序顶端。学习排序是机器学习中的一个领域，涵盖针对上述目标优化排序系统的方法。传统的监督式学习排序方法利用专家判断进行评估与学习，然而在许多情形下此类判断无法获得或难以获取。作为解决方案，已引入基于用户点击而非专家判断执行学习排序的方法。点击的难点在于其不仅受用户偏好影响，也受所展示排序的影响。因此，这些方法必须防止被用户偏好以外的其他因素偏置。本论文关注基于用户点击的学习排序方法，并特别旨在统一这些方法的不同族类。整体上，本论文第二部分提出了一个框架，弥合了在线、反事实与监督学习排序领域间的诸多鸿沟。它将先前被视为独立的方法论统一为单一的、广泛适用且有效的从用户点击学习排序的方法论。