广义级联点击模型：估计点击模型的统一框架
信息检索
2021-11-23 v1 机器学习
摘要
鉴于搜索引擎在查找数字信息方面的至关重要性，用户如何与搜索引擎交互以及此类行为如何建模已受到诸多学术关注。许多关于用户-搜索引擎交互的模型（文献中称为点击模型）以动态贝叶斯网络的形式出现。尽管许多作者利用不同点击模型之间的相似性来推导这些模型的估计过程，特别是以期望最大化（EM）的形式，但这通常仍需大量工作，尤其在推导 E-step 时。我们在本文中提出，这种推导通常是不必要的：在许多假设下，许多现有点击模型实际上可如同输入-输出隐马尔可夫模型（IO-HMMs）那样进行优化，其前向-后向方程可立即给出该 E-step。为得出此结论，我们将提出广义级联模型（GCM）并展示如何利用 IO-HMM EM 框架估计该模型，且给出两个现有点击模型如何映射到 GCM 的示例。我们这种基于 GCM 的点击模型估计方法也已在 gecasmo Python 包中实现。
引用
@article{arxiv.2111.11314,
title = {The Generalized Cascade Click Model: A Unified Framework for Estimating Click Models},
author = {Corné de Ruijt and Sandjai Bhulai},
journal= {arXiv preprint arXiv:2111.11314},
year = {2021}
}