JointMap：面向电商搜索中意图层次建模的联合查询意图理解
信息检索
2020-06-02 v2 计算与语言
摘要
准确理解用户查询意图有助于提升查询范围界定与排序等下游任务的性能。在电商领域，近期查询理解工作聚焦于查询到产品类目的映射。但一小部分却不容忽视的查询(在我们的网站中为1.5%，即2019年3300万条查询)具有非商业意图。这些意图通常与折扣、门店营业时间、安装指南等非商业信息寻求需求相关。本文中，我们提出JointMap(Joint Query Intent Understanding，联合查询意图理解)，一种同时学习两种不同高层用户意图任务的深度学习模型：1) 识别查询的商业与非商业意图；2) 将分类法中一组相关产品类目关联到产品查询。JointMap模型通过联合学习过程利用这两个相关任务间存在的迁移偏置。由于为这些任务标注数据集可能昂贵且耗时，我们提出一种远程监督方法与主动学习模型结合以生成高质量训练数据集。为证明JointMap的有效性，我们使用从大型商业网站收集的搜索查询。结果表明，相较于最先进的深度学习方法，JointMap在“商业vs非商业”意图预测与产品类目映射上平均分别显著提升2.3%与10%。我们的发现为在电商搜索引擎中建模意图层次提供了一条有前景的方向。
引用
@article{arxiv.2005.13783,
title = {JointMap: Joint Query Intent Understanding For Modeling Intent Hierarchies in E-commerce Search},
author = {Ali Ahmadvand and Surya Kallumadi and Faizan Javed and Eugene Agichtein},
journal= {arXiv preprint arXiv:2005.13783},
year = {2020}
}
备注
SIGIR 2020