Machine learning 在信息检索中学习排名与强化学习-哪一种更可取？为什么？

我正在尝试创建一个信息检索系统，它可以从用户反馈（隐式，通过点击数据）或显式（通过不相关的建议结果的二进制反馈）中获益

更具体地说，我的计划是使用ElasticSearch索引，通过提供候选相关结果的“桶”来减少空间，然后通过更复杂的ML模型对桶中的结果重新排序，该模型可以受益于反馈（如上文所述，包括隐式和显式）

我的感觉是，对于ML组件，我应该使用“学习排名”方法，但其他同事建议我应该转而关注强化学习

我想知道你对这件事的看法，即，上述两种方法（学习排名与强化学习）中的哪一种似乎与任务更相关

---

非常感谢。

这个问题可能应该在人工智能SE、交叉验证SE或数据科学SE上提出。