结合用户反馈的神经文档扩展方法
信息检索
2019-08-09 v1
摘要
本文提出一种神经文档扩展方法(NeuDEF)，用于丰富神经排序模型的文档表示。NeuDEF 从导致该文档被点击的查询中挖掘扩展词，并利用学习到的注意力对这些扩展词赋权。该方法被嵌入标准神经排序器中并端到端学习。在商业搜索日志上的实验表明，NeuDEF 显著提升了最先进神经排序器及扩展方法在不同频次查询上的准确率。进一步研究展示了点击查询与学习到的扩展权重的贡献，以及文档热度对 NeuDEF 有效性的影响。
引用
@article{arxiv.1908.02938,
title = {Neural Document Expansion with User Feedback},
author = {Yue Yin and Chenyan Xiong and Cheng Luo and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1908.02938},
year = {2019}
}
备注
The 2019 ACM SIGIR International Conference on the Theory of Information Retrieval