Match-Tensor：一种用于搜索的深度相关性模型
信息检索
2017-01-27 v1 计算与语言
摘要
深度神经网络在搜索引擎排序中的应用可能免除当前学习排序方法所需的广泛特征工程。然而，我们表明，将诸如 BM25 这样的简单相关性匹配特征与现有深度神经网络模型相结合，常能大幅提升这些模型的准确率，表明它们未能捕获本质的局部相关性匹配信号。我们描述了一种基于深度循环神经网络的新模型，称之为 Match-Tensor。Match-Tensor 模型的架构同时考虑了局部相关性匹配与全局主题性信号，使得在计算文档对查询的相关性时二者之间能产生丰富的相互作用。在一个由社交媒体文档组成的大型保留测试集上，我们证明不仅 Match-Tensor 优于 BM25 及其他类深度神经网络，而且它很大程度上涵盖了这些模型中存在的信号。
引用
@article{arxiv.1701.07795,
title = {Match-Tensor: a Deep Relevance Model for Search},
author = {Aaron Jaech and Hetunandan Kamisetty and Eric Ringger and Charlie Clarke},
journal= {arXiv preprint arXiv:1701.07795},
year = {2017}
}