在许多信息检索任务中，为了进一步提高检索性能，通常需要对检索到的文档进行重新排序，目前的排序学习方法主要集中在损失函数的构造上，而没有考虑特征之间的关系。该文将多通道深度卷积神经网络作用于文档列表排序学习方法，即ListCNN，实现了信息检索的精确重排序。由于从文档中提取的多个特征中有一些特征具有局部相关性和冗余性，因此，文中使用卷积神经网络来重新提取特征，以提高列表方法的性能。ListCNN架构考虑了原始文档特征的局部相关性，能够有效地重新提取代表性特征。在公共数据集LETOR 4.0上对ListCNN进行实验验证，结果表明其性能优于已有文档列表方法。