面向搜索透明度的曝光查询识别
信息检索
2022-04-12 v3 人工智能
机器学习
摘要
搜索系统控制着排序内容对搜索者的曝光。在许多情况下，内容创建者不仅重视其内容的曝光，还希望了解内容在哪些特定搜索中被展示。识别哪些查询会在排序结果中曝光给定内容，是一个重要且相对未被充分探索的搜索透明度挑战。曝光查询对于量化搜索偏见、隐私、数据保护、安全性和搜索引擎优化等多种问题都很有用。在给定系统中精确识别曝光查询的计算成本很高，尤其是在网络搜索等动态环境中。我们探索了将近似曝光查询识别作为一种检索任务的可行性，通过在两类搜索系统中反转查询和文档的角色：密集双编码器模型和传统的BM25模型。然后，我们提出如何通过在检索嵌入空间上进行度量学习来改进这种方法。我们进一步推导了一个评估指标来衡量曝光查询排序的质量，并进行了实证分析，重点关注近似EQI的各个实际方面。总体而言，我们的工作为搜索系统的透明度提供了一种新颖的概念及其实现的计算手段。
引用
@article{arxiv.2110.07701,
title = {Exposing Query Identification for Search Transparency},
author = {Ruohan Li and Jianxiang Li and Bhaskar Mitra and Fernando Diaz and Asia J. Biega},
journal= {arXiv preprint arXiv:2110.07701},
year = {2022}
}