1.一种对搜索条目进行排序的方法，其特征在于，所述方法包括：通过神经网络将查询文本按照语序表示成向量；

根据所述表示出的向量通过所述神经网络计算所述查询文本与搜索条目之间的排序分数；

根据所述计算出的排序分数对所述搜索条目进行排序。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：在执行通过神经网络将查询文本按照语序表示成向量的步骤前，训练出所述神经网络的模型参数。

3.如权利要求2所述的方法，其特征在于，训练出所述神经网络的模型参数包括：获取训练数据；

根据所述获取的训练数据通过损失函数训练出所述模型参数。

4.如权利要求3所述的方法，其特征在于，所述训练数据包括：查询文本以及所述查询文本所对应的搜索条目。

5.如权利要求3或4所述的方法，其特征在于，所述损失函数包括：对数损失函数。

6.如权利要求5所述的方法，其特征在于，训练出所述神经网络的模型参数还包括：通过随机梯度下降法以及反向传播算法对所述模型参数进行优化。

7.如权利要求1所述的方法，其特征在于，通过神经网络将查询文本按照语序表示成向量包括：按照语序将所述查询文本的词序列中的各词输入到所述神经网络的编码网络；

根据所述语序将所述输入的各词循环映射到一个向量空间；

将所述循环映射结束时所得到的向量转化为所述查询文本的向量表示。

8.如权利要求1所述的方法，其特征在于，根据所述表示出的向量通过所述神经网络计算所述查询文本与搜索条目之间的排序分数包括：根据所述表示出的向量通过所述神经网络的解码网络计算在给定所述查询文本的条件下生成所述搜索条目的概率，并将所述计算出的概率作为所述查询文本与所述搜索条目之间的排序分数。

9.一种对搜索条目进行排序的系统，其特征在于，所述系统包括：表示模块，用于通过神经网络将查询文本按照语序表示成向量；

计算模块，用于根据所述表示模块所表述出的向量通过所述神经网络计算所述查询文本与搜索条目之间的排序分数；

排序模块，用于根据所述计算模块所计算出的排序分数对所述搜索条目进行排序。

10.如权利要求9所述的系统，其特征在于，所述系统还包括：训练模块，用于训练出所述神经网络的模型参数。

11.如权利要求10所述的系统，其特征在于，所述训练模块包括：获取单元，用于获取训练数据；

训练单元，用于根据所述获取到的训练数据通过损失函数训练出所述模型参数。

12.如权利要求11所述的系统，其特征在于，所述训练数据包括：查询文本以及所述查询文本所对应的搜索条目。

13.如权利要求11或12所述的系统，其特征在于，所述损失函数包括：对数损失函数。

14.如权利要求13所述的系统，其特征在于，所述训练模块还包括：优化单元，用于通过随机梯度下降法以及反向传播算法对所述模型参数进行优化。

15.如权利要求9所述的系统，其特征在于，所述表示模块包括：输入单元，用于按照语序将所述查询文本的词序列中的各词输入到所述神经网络的编码网络；

映射单元，用于根据所述语序将所述输入单元所输入的各词循环映射到一个向量空间；

转化单元，用于将所述映射单元中执行的循环映射结束时所得到的向量转化为所述查询文本的向量表示。

16.如权利要求9所述的系统，其特征在于，所述计算模块包括：概率计算单元，用于根据所述表示出的向量通过所述神经网络的解码网络计算在给定所述查询文本的条件下生成所述搜索条目的概率，并将所述计算出的概率作为所述查询文本与所述搜索条目之间的排序分数。