基于注意力的层次化神经查询建议
信息检索
2018-05-09 v1
摘要
查询建议帮助搜索引擎用户优化其查询。先前关于查询建议的工作主要集中于纳入可直接观测的特征，如查询共现和语义相似度。此类特征的结构通常手动设定，导致查询与用户之间隐藏的依赖关系可能被忽略。我们提出AHNQS模型，该模型将层次化结构与会话级神经网络和用户级神经网络相结合，以建模用户的短期和长期搜索历史。注意力机制被用于捕捉用户偏好。我们在AOL查询日志数据集上量化了AHNQS相对于最先进的基于RNN的查询建议基线的提升：在MRR@10和Recall@10上分别比最先进水平提升高达21.86%和22.99%；对于短会话提升尤为显著。
引用
@article{arxiv.1805.02816,
title = {Attention-based Hierarchical Neural Query Suggestion},
author = {Wanyu Chen and Fei Cai and Honghui Chen and Maarten de Rijke},
journal= {arXiv preprint arXiv:1805.02816},
year = {2018}
}