有不同的方法来看待这个：

• 您可以应用完全无监督的方法，例如为查询计算 TDIDF 向量，然后根据其与每个文档的相似性（例如余弦）进行排名。这根本不需要培训，但您甚至无法评估该方法。
• 您可以使用已经实现的系统，例如ElasticSearch。
• 你可以用任意数量的样本训练一个有监督的排序模型，但显然它会在大量样本的情况下工作得更好。第一个困难是生成一个尽可能具有代表性的查询样本。第二个困难是找到一种方法来为每个查询选择顶部文档：如果手动完成，注释器需要读取 60k 文档（哎呀！）。我什至不会谈论考虑到查询的主观性和潜在的歧义。
• 你可以尝试做某种形式的半监督学习或主动学习。例如，如果这适用于您的用例，您可以通过使用用户反馈来逐步优化模型。