通过生成式任务增强会话搜索中的用户行为序列建模
信息检索
2022-08-24 v1
摘要
用户的搜索任务变得日益复杂，需要多次查询并与结果进行交互。近期研究表明，对会话中的历史用户行为建模有助于理解当前的搜索意图。现有的上下文感知排序模型主要对当前会话序列(从首次行为到当前查询)进行编码，并利用高层表示计算排序分数。然而，当前会话序列中通常存在一些噪声(对推断搜索意图无用的行为)，可能影响编码表示的质量。为辅助当前用户行为序列的编码，我们提出使用解码器以及未来序列和补充查询的信息。具体而言，我们设计了三个可帮助编码器推断实际搜索意图的生成式任务：(1)预测未来查询，(2)预测未来点击文档，以及(3)预测补充查询。我们使用编码器-解码器结构化的方法，将这些生成式任务与排序任务联合学习。在两个公开搜索日志上的广泛实验表明，我们的模型优于所有现有基线，且所设计的生成式任务确实有助于排序任务。此外，补充实验还表明，我们的方法可轻松应用于各类基于 Transformer 的编码器-解码器模型并提升其性能。
引用
@article{arxiv.2208.10846,
title = {Enhancing User Behavior Sequence Modeling by Generative Tasks for Session Search},
author = {Haonan Chen and Zhicheng Dou and Yutao Zhu and Zhao Cao and Xiaohua Cheng and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2208.10846},
year = {2022}
}