多页商品搜索中上下文依赖性的研究
信息检索
2020-01-10 v2
摘要
在商品搜索中，用户往往在决定购买哪件商品前，会浏览多个搜索结果页（SERP）（例如关于服装与鞋类的查询）。用户的点击可视为隐式反馈，指示其偏好并用于重排后续 SERP。相关反馈（RF）技术通常用于处理此类场景。然而，这些方法为文档检索而设计，其中相关性是最重要准则。相比之下，商品搜索引擎需检索不仅相关且在客户偏好方面令人满意的商品。基于用户购买历史的个性化已在商品搜索中被证明有效。但该方法捕捉用户长期兴趣，未必与其短期兴趣一致，且对购买历史很少或没有的客户无益。本文中，我们研究基于多页商品搜索中长短期上下文依赖性的 RF 技术。我们还提出一种端到端上下文感知嵌入模型，可捕捉两类上下文。实验结果表明，与长期及无上下文相比，短期上下文带来更佳性能。此外，我们提出的模型比最先进的基于词的 RF 模型更有效。
引用
@article{arxiv.1909.04031,
title = {A Study of Context Dependencies in Multi-page Product Search},
author = {Keping Bi and Choon Hui Teo and Yesh Dattatreya and Vijai Mohan and W. Bruce Croft},
journal= {arXiv preprint arXiv:1909.04031},
year = {2020}
}
备注
Accepted by CIKM 2019. arXiv admin note: substantial text overlap with arXiv:1909.02065