前面两类分别是基于SVM和基于Boost方法训练学习器，而本文中的三个算法，均为基于神经网络的方法训练学习器的。其中FRank算法和LambdaRank算法分别是基于RankNet进行了损失函数和排序优化方法上的改进。
这里为了便于理解，仍然要祭出下图：
图1 L2R pairwise
1. RankNet && LambdaRank
关于RankNet和LambdaRank，前人已经做过不少的细致讲解，这里就不麻烦一趟把它们copy过来了，直接上链接吧！
Learning to Rank算法介绍：RankNet，LambdaRank，LambdaMart
2. FRank
找了一圈，发现关于FRank的参考资料并不多，所以去翻了一下原论文
以上就是Learning to Rank中pairwise方法下8个比较主流的算法，但是经查资料发现，应用较为广泛的，也是网上资料比较多的算法，也就是RankNet和LambdaRank了。所以个人认为，这个系列的主要意义，是对pairwise中算法的一个整理，作为入门排序学习的一个参考资料吧。毕竟了解这些算法，更有助于对整个pairwise方法的原理乃至其发展史有一个更加清晰全面的理解。
接下来还会做一个listwise系列的整理。
参考资料
[1] Learning to Rank算法介绍：RankNet，LambdaRank，LambdaMart
[2] Tsai M F, Liu T Y, Qin T, et al. FRank: a ranking method with fidelity loss[C]//Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval. ACM, 2007: 383-390.