利用对比学习训练的相关性模型直观访问智能手机设置
量子物理
2023-08-16 v1 量子气体
摘要
添加到智能手机上的新功能越多，用户就越难找到它们。这是因为功能名称通常很短，而且数量太多难以记住。在这种情况下，用户可能想提出描述其所寻功能的上下文查询，但基于词频的标准搜索无法处理它们。本文提出了一种用于移动功能的新型检索系统，可接受直观的上下文搜索查询。我们通过基于预训练语言模型的对比学习训练了一个相关性模型，以感知查询嵌入与已索引移动功能之间的上下文相关性。此外，为使系统能在设备上以最少资源高效运行，我们应用知识蒸馏在不大幅降低性能的前提下压缩模型。为验证方法的可行性，我们收集了测试查询并与当前部署的搜索基线进行了对比实验。结果表明，我们的系统在上下文句子查询甚至常规基于关键词的查询上均优于其他系统。
引用
@article{arxiv.2307.09176,
title = {Detection of entangled states supported by reinforcement learning},
author = {Jia-Hao Cao and Feng Chen and Qi Liu and Tian-Wei Mao and Wen-Xin Xu and Ling-Na Wu and Li You},
journal= {arXiv preprint arXiv:2307.09176},
year = {2023}
}