本文提出了一种适用于大型配置空间的偏好获取方法，利用集合最大间隔法生成多样化项目以询问用户。研究介绍了基于Choice Perceptron的算法，解决用户偏好学习问题，并提出了新颖的偏好学习方法和优化模型，显著提升了多准则排序的性能。

本研究提出了一种解决多准则排序问题的新偏好学习方法，使用凸二次规划模型和集成学习算法，并引入了单调循环神经网络(mRNN)。研究结果表明，该模型相比多种基准方法实现了显著的性能改进。