排序函数是信息检索系统的核心部分,这是因为排序函数直接影响着检索结果的质量。近年来,排学学习,即通过机器学习的技术构建有效的排序函数,成为信息检索、机器学习和数据挖掘等相关领域的热点问题。排序学习的方法通过收集标注训练数据,并使用机器学习技术拟合训练数据,从而得到有效地排序函数。在本文中,我们针这对现有排学学习存在的问题,提出改进方案。我们计划提出三个排学学习算法,分别解决排学学习中存在的相关性表示、跨领域学习排序和查询特征表示三个问题：1.我们提出一种新的相关性表示的方法——Tie关系,用于补充现有的相偏好数据。2.我们利用迁移学习的方法,使得排序学习的算法的可以利用现有的其他任务的标注数据构造目标任务的排序函数,从而减少了对于新任务所需要的了人工标注数量。3.通过使用伪反馈技术,我们改进了查询表示,从而使排序学习算法可以更好的处理不同的查询的多样性。