利用辛普森多样性指数实现多方面搜索结果的多样化
信息检索
2021-05-24 v1
摘要
在搜索与推荐中，对多方面搜索结果进行多样化有助于减少冗余，并提升原本可能不会展示的结果。已有许多方法被提出用于该任务。然而，以往方法未显式考虑条目类别的数量均匀性（即均匀度），这可能降低搜索与推荐质量。为解决此问题，我们借鉴生物学中的辛普森多样性指数（Simpson's Diversity Index），引入一种新方法，从而实现更高效且有效的二次搜索结果多样化算法。我们还通过加权因子扩展该方法以平衡多方面间的多样性，并通过开发快速近似算法进一步改善计算复杂度。我们利用公开可用的 Kaggle 鞋类竞赛数据集证明了所提方法的可行性。实验结果表明，我们的方法在降低计算复杂度的同时优于以往最先进的多样化方法。
引用
@article{arxiv.2105.10075,
title = {Diversifying Multi-aspect Search Results Using Simpson's Diversity Index},
author = {Jianghong Zhou and Eugene Agichtein and Surya Kallumadi},
journal= {arXiv preprint arXiv:2105.10075},
year = {2021}
}
备注
Proceedings of the 29th ACM International Conference on Information and Knowledge Management (CIKM '20), October 19--23, 2020, Virtual Event, Ireland}