Pary zapytanie-dokument reprezentuje się wektorami cech, a wytrenowany model przypisuje każdemu dokumentowi ocenę, według której powstaje końcowe uporządkowanie.
Algorytmy LTR dzieli się ze względu na postać funkcji straty na: punktowe (pointwise) – oceniające każdy dokument niezależnie, jako zadanie regresji lub klasyfikacji, parowe (pairwise) – optymalizujące poprawność kolejności w parach dokumentów, listowe (listwise) – optymalizujące uporządkowanie całej listy wyników.
Klasyczne metody oceniają dokumenty pojedynczo, co nie pozwala uwzględnić zależności między dokumentami z tej samej listy wyników. Aby to obejść, opracowano metody oceniające listę jako całość, w tym modele niezależne od permutacji wejściowej, które można stosować bezpośrednio do zbioru dokumentów, bez wstępnego uporządkowania.