面向抵押贷款业务员的社区问答语义搜索研究
信息检索
2022-03-15 v1
摘要
社区问答（CQA）在许多领域日益流行。抵押贷款是一个复杂且动态的行业的行业，一个灵活高效的 CQA 平台有可能显著提升抵押贷款业务员的服务质量。我们构建了一个动态 CQA 平台，其搭载基于近期自然语言处理（NLP）技术、达到当前最佳水平的语义搜索引擎，用于动态且协同地捕捉并传递经验更丰富员工的成熟经验与隐性知识给经验较少的员工。该搜索引擎支持关键词与自然语言查询，基于一个微调的、领域自适应的 Sentence-BERT 编码器与 TF-IDF 向量化器线性组合，并与 BM25 向量化器以倒数排名融合。领域自适应与微调基于公开可用的抵押贷款语料库。评估在一个内部标注数据集上使用标准信息检索指标进行，如归一化折损累积增益（nDCG）、前 n 项精确率/召回率、平均倒数排名和平均精度均值（MAP）。结果表明，相比传统搜索技术，我们的混合、微调、领域自适应的搜索引擎在响应抵押贷款业务员信息需求方面更为有效。我们旨在不久的将来发布内部标注的评估与训练数据集。
引用
@article{arxiv.2203.06807,
title = {Towards Semantic Search for Community Question Answering for Mortgage Officers},
author = {Amir Reza Rahmani and Linwei Li and Brian Vanover and Colin Bertrand and Shourabh Rawat},
journal= {arXiv preprint arXiv:2203.06807},
year = {2022}
}
备注
Presented on Document Intelligence Workshop at KDD (2021). Also available at https://document-intelligence.github.io/DI-2021/files/di-2021_final_17.pdf