面向食谱检索的字段感知神经排序模型评测
信息检索
2021-07-09 v2
摘要
在神经文档嵌入与检索任务中,对复杂文档结构中的字段交互与相关性进行显式建模近来日益受到关注。尽管这需要指定定制化的任务依赖模型,但令人鼓舞的实证结果正开始浮现。我们在本工作中首次对烹饪领域中的非线性多字段交互(NL-MFI)排序进行了深入分析。我们的结果表明,字段加权因子分解机模型在食谱检索任务中相较基线取得了统计显著的提升。此外,我们表明,基于领域知识与特征选择启发式方法稀疏地捕获字段交互子集,相较基线与穷举方案均具有显著优势。尽管字段交互感知模型在架构基础上更为精细,但它们在优化中往往更具数据效率,并且由于文档与模型因子分解的对应性,更适于可解释性。
引用
@article{arxiv.2105.05710,
title = {Evaluation of Field-Aware Neural Ranking Models for Recipe Search},
author = {Kentaro Takiguchi and Mikhail Fain and Niall Twomey and Luis M Vaquero},
journal= {arXiv preprint arXiv:2105.05710},
year = {2021}
}