米Microsoftは今回のMSNサーチの検索性能の強化において、Neural Network Technology（ニューラル・ネットワーク・テクノロジー）と呼ぶランキングシステムを紹介しています。この、Neural Network Technologyですが、Microsoft ResearchのChris Burges氏が書いた論文"Learning to Rank using Gradient Descent"にRankNetという呼称で記述されています。
We have proposed a probabilistic cost for training systems to learn ranking functions using pairs of training examples. The approach can be used for any differentiable function; we explored using a neural network formulation, RankNet. RankNet is simple to train and gives excellent performance on a real world ranking problem with large amounts of data. Comparing the linear RankNet with other linear systems clearly demonstrates the benefit of using our pair-based cost function together with gradient descent; the two layer net gives further improvement. For future work it will be interesting to investigate extending the approach to using other machine learning methods for the ranking function; however evaluation speed and simplicity is a critical constraint for such systems.
適切な検索結果を表示するために、どの文書が何の検索クエリと関連性があるかを学習させていく方法があるのですがMSNではNeural Networkを用いてこれを達成しようとしています。Neural Network（ニューラルネットワーク、神経回路網）とは人間の脳の構造をまねて作った情報処理の方法です。このニューロンを用いて検索クエリと文書の関連性を学習させていくことで、検索の関連性が高まっていくのです。
cf.
Microsoft、MSN Searchの検索能力を大幅に強化
