pointwise vs pairwise
pairwise算法聚焦于精确的预测每个文档之间的相关度，pairwise算法主要关心两个文档之间的顺序，相比pointwise的算法更加接近于排序的概念。
pairwise算法聚焦于精确的预测每个文档之间的相关度，pairwise算法主要关心两个文档之间的顺序，相比pointwise的算法更加接近于排序的概念。
pairwise learning to rank 的方法可以分为两大类。
第一类是基于打分函数，它们通过一些特殊的设计让模型依靠“样本对”的信息来学习得到每个样本的score。所以得到这类方法最后的全局排序结果很简单，就是用所有样本的score来排序即可。
另一类方法是基于优先函数的方法。这类方法的整个过程分为两个阶段，第一阶段是用机器学习模型来学习两个样本之间的优先关系，例如f(x1, x2)=1表示样本x1优先于x2（x1应该排在x2前面），f(x1, x2)=-1表示样本x2优先于x1（x1应该排在x2后面）。从题主的问题来看，可能问的是“当我们已经训练出了优先函数f之后，如何对所有样本进行排序，并且使该排序在最大程度上与f的结果一致”。这个问题在学界被称为Rank Aggregation（排列聚合）。
具体参考 https://www.zhihu.com/question/389068269
别的相关参考：
https://www.jianshu.com/p/235756fbf6b6
https://zhuanlan.zhihu.com/p/318300682
https://zhuanlan.zhihu.com/p/65224450