通过意图描述生成进行查询理解
计算与语言
2020-08-26 v1
摘要
查询理解是信息检索（IR）中的基础问题，过去几十年一直受到持续关注。人们提出了许多不同任务来理解用户的搜索查询，例如查询分类或查询聚类。然而，由于在意图类/簇层面上丢失了许多细节信息，理解搜索查询并不够精确。正如我们在许多基准数据集（如 TREC 和 SemEval）中可能发现的，查询通常关联有人工标注者提供的详细描述，清晰说明其意图以帮助评估文档相关性。如果一个系统能像人工标注者一样自动为搜索查询生成详细而精确的意图描述，则表明实现了更好的查询理解。因此，本文提出了一种新颖的面向查询理解的查询到意图描述（Q2ID）任务。不同于那些利用查询及其描述计算文档相关性的现有排序任务，Q2ID 是一项反向任务，旨在基于给定查询的相关与不相关文档生成自然语言意图描述。为解决这一新任务，我们提出了一种新颖的对比生成模型，简称 CtrsGen，通过对比给定查询下的相关文档与不相关文档来生成意图描述。我们通过在 Q2ID 任务上与若干最先进生成模型比较，证明了模型的有效性。我们通过一个示例应用讨论了该 Q2ID 技术的潜在用途。
引用
@article{arxiv.2008.10889,
title = {Query Understanding via Intent Description Generation},
author = {Ruqing Zhang and Jiafeng Guo and Yixing Fan and Yanyan Lan and Xueqi Cheng},
journal= {arXiv preprint arXiv:2008.10889},
year = {2020}
}
备注
Accepted as Long Research Paper in CIKM2020