为电商查询学习图像信息
信息检索
2019-05-01 v1 计算机视觉与模式识别
机器学习
摘要
计算查询与文档之间的相似度是任何信息检索系统的基础。在搜索引擎中,计算查询-文档相似度是检索与排序阶段必不可少的一步。在eBay搜索中,文档是一件商品,查询-商品相似度可通过比较查询-商品对的不同方面来计算。查询文本可与商品标题文本进行比较。类似地,应用于查询上的类目约束可与商品的刊登类目进行比较。然而,图像是商品中通常存在但查询中不存在的一种信号。图像是用户用来判断给定查询下商品相关性的最直观信号之一。在估计查询-商品对相似度时纳入该信号有可能改善搜索引擎的相关性。我们提出了一种为查询推导图像信息的新方法。我们尝试从商品图像中学习查询的图像信息,而非为查询生成显式的图像特征或图像。我们使用典型相关分析(CCA)来学习一个新的子空间,将原始数据投影到该子空间将给出新的查询与商品表示。我们假设这一新的查询表示也将包含关于查询的图像信息。我们使用向量空间模型估计查询-商品相似度,并报告了所提方法在eBay搜索数据上的性能。以受试者工作特征曲线下面积(AUROC)作为评价指标,我们展示了相比基线11.89%的相关性提升。以精确率-召回率曲线下面积(AUPRC)作为评价指标,我们也展示了相比基线3.1%的相关性提升。
引用
@article{arxiv.1904.12856,
title = {Learning Image Information for eCommerce Queries},
author = {Utkarsh Porwal},
journal= {arXiv preprint arXiv:1904.12856},
year = {2019}
}