Ranking — процесс составления набора объектов в соответствии с некоторой мерой, то есть задание частично упорядоченного множества. Множество частично упорядоченно, если указано, какие элементы следуют за какими. Learning to rank — класс задач машинного обучения с учителем Supervised Learning или с частичным привлечением учителя Semi-supervised Learning, заключающихся в нахождении модели, целью которой является наилучшее приближение и обобщение способа ранжирования в обучающей выборке на новые данные. Supervised Learning — тип машинного обучения, при котором модель обучают на размеченных данных. Это означает, что каждому входному значению соответствует правильное выходное. Цель Supervised Learning — делать точные прогнозы на новых, невидимых данных. Например, модель, обученная на изображениях рукописных цифр, может распознавать новые цифры, которые она раньше не видела. Semi-supervised learning — обучение на смеси размеченных и неразмеченных данных.Модель учится на размеченных данных, а затем использует неразмеченные данные для улучшения своей производительности, выявляя базовые закономерности или отношения. Few-shot learning — подход в машинном обучении, который позволяет обучать модели на небольшом количестве размеченных данных. Модель учится распознавать новые классы на основе нескольких (обычно от 1 до 5) размеченных примеров, называемых опорным набором.