سالهای اخیر زمان تولد و رشد انفجاری دروب بوده است واضح است که رشد نمایی وب آن را به یک منبع پیوسته عظیمی ازاطلاعات تبدیل کرده است که درآن پیدا کردن یک سند بدون ابزار جستجو غیرقابل تصور است موتورهای جستجوی امروزی تلاش می کنند تا مرتبط ترین صفحات پیشنهاد را به کاربران ارایه دهند و بدین منظور برای افزایش دقت فرایند بازیابی اطلاعات از استراتژیهای مختلف استفاده می کنند دراین گزارش یک الگوریتم رتبه بندی مبتنی بریادگیری برای رتبه بندی اسنادوب درموتور جستجو پیشنهاد شده است درروش پیشنهادی ازتعداددفعات ملاقات اسنادتوسط کاربران برای افزیاش دقت نتایج جستجو استفاده شده است این روش ازرویکرد مبتنی براتوماتای یادگیر برای اموزش موتورجستجو بهره میگیرد درروش پیشنهادی تعداددفعات ملاقات کاربر درنتایج جستجو بررسی میشود که مشاهدات بیشتر نشان دهنده ارتباط بیشتر اسناد با پرسو جوی موردنظر کاربر است بنابراین احتمال انتخاب توسط اتوماتای یادگیر باید افزایش یابد بدین معنی که رتبه مرتبط ترین سند افزایش و رتبه سایر اسناددیگر کاهش می یابد درواقع میتوان گفت که الگوریتم پیشنهادی بازخورد کاربر را با تکنیک های یادگیری ترکیب می کند