面向电商查询的远程监督槽填充
信息检索
2020-12-16 v1 人工智能
机器学习
摘要
槽填充（slot-filling）是指将查询中的各个词项标注为对应的预期产品特征（产品类型、品牌、性别、尺寸、颜色等）的任务。这些特征随后可被搜索引擎用于返回更匹配查询产品意图的结果。传统的槽填充方法需要带有真实槽标注信息的训练数据。然而，生成此类标注数据（尤其在电商领域）成本高且耗时，因为槽的数量随新产品加入而增加。本文提出无需人工标注的远程监督概率生成模型。所提方法利用现成的历史查询日志及这些查询带来的购买记录，并挖掘槽之间的共现信息以识别预期产品特征。我们通过考察方法对检索性能的影响以及槽分类效果来评估所提方法。在检索方面，相较 Okapi BM25，我们的方法取得了更优的排序性能（提升高达 156%）。此外，利用共现信息的方法在检索与槽分类两项任务上均优于未利用该信息的方法。
引用
@article{arxiv.2012.08134,
title = {Distant-Supervised Slot-Filling for E-Commerce Queries},
author = {Saurav Manchanda and Mohit Sharma and George Karypis},
journal= {arXiv preprint arXiv:2012.08134},
year = {2020}
}