学习排名利用机器学习方法通​​过监督构建排名模型来解决排名问题，该排名模型需要将文档的固定长度特征向量作为输入，并输出通过迭代减少预定义排名损失而学习到的排名模型。 始终根据经典的文本统计信息来提取文档特征，并且不同的特征对排名性能的贡献也不同。 鉴于定义良好的特征将对检索性能做出更大的贡献，因此我们研究了使用自动编码器来丰富文档的特征表示。 自动编码器作为深度神经网络的基本构建模块，已成功用于许多文本挖掘任务中以生成有效特征。 为了丰富学习排名的功能空间，我们在自动编码器的损失函数中引入了监督