信息检索 (IR) 中的神经排名涉及使用深度学习模型根据搜索结果与用户查询的相关性对搜索结果进行排名。与可能依赖于手工制作的功能的传统排名模型不同，神经排名模型通过分析查询和文档的大型数据集来自动学习对结果进行排名。
神经排序模型通常使用成对排序 (比较结果对) 或列表排序 (优化整个结果列表) 等技术来训练系统。这些模型通常基于深度神经网络或转换器等架构，可以捕获查询和文档之间的复杂关系。
例如，神经排名模型可以学习基于新闻文章与特定搜索查询的相关性来对一组新闻文章进行排名。该模型可以使用嵌入或上下文特征来理解查询背后的语义和文章内容，从而提高搜索排名的准确性。