基于神经上下文语义相关性排序的个性化搜索
信息检索
2023-09-12 v1
摘要
现有的神经相关性模型未能充分考虑查询与条目的上下文信息，而此类信息可使搜索结果多样化以适应用户个人偏好。为弥补这一不足，本文提出一种神经学习框架，通过利用信号来捕捉文档如何契合用户上下文，从而实现文档排序结果的个性化。具体而言，该框架同时使用词法表示与语义嵌入对文档内容与用户查询上下文之间的关系进行建模，从而借助个性化查询上下文信息的数据增强更好地理解用户意图。在搜索数据集上开展的广泛实验证明了所提方法的有效性。
引用
@article{arxiv.2309.05113,
title = {Personalized Search Via Neural Contextual Semantic Relevance Ranking},
author = {Deguang Kong and Daniel Zhou and Zhiheng Huang and Steph Sigalas},
journal= {arXiv preprint arXiv:2309.05113},
year = {2023}
}
备注
Contextual, Personalization, Search, Semantics, LLM, embedding