一种面向大规模社交网络的社交搜索模型

随着社交网络的兴起，互联网上的信息不再仅由网页组织。相反，内容由用户生成并共享，并围绕其在社交网络上的社会关系组织。这给信息检索系统带来了新挑战。在社交网络搜索系统上，结果集的生成不仅需要考虑关键词匹配（如传统网页搜索引擎那样），还需考虑搜索者的社交连接以及内容的可见性设置。此外，搜索排序应能同时处理文本相关性与来自社交网络的丰富社交交互信号。本文中，我们通过首先引入一种社交检索机制，然后研究用于排序问题的新颖深度神经网络，来应对这两大挑战。该检索系统将社交连接视为索引词，并以约束优化方式偏向紧密社交连接，从而生成有意义的结果集。随后结果集由一个以双塔方式处理文本与社交相关性的深度神经网络排序，其中个性化与文本相关性被联合处理。该检索机制已部署于Facebook，正帮助数十亿用户高效查找其连接中的帖子。基于被检索的帖子，我们评估了双塔神经网络，并考察了个性化与文本信号在排序问题中的重要性。