ABSTRACT:

此文在相关性方面介绍三项关键技术:ranking functions, semantic matching features, query rewriting;

此文内容基于拥有百亿url索引的yahoo搜素引擎;

Keywords:

learning to rank; query rewriting; semantic matching; deep learning;

1. INTRODUCTION

1)搜索相关性的发展:

  • 早期 - concentrated on text matching between queries and web documents such as BM25, 概率模型,向量模型;
  • 近期 - 根据用户行为改进搜索相关性,such as 点击模型;

2)目前搜索引擎面临的挑战促使我们寻找文本匹配和点击模型之外的解决方案:

  • semantic gap - queries和网页文档之间的语义障碍;
  • tail query - 搜索的query大部分为tail query,这类query的出现概率很低,对于搜索引擎来说完全是新词;
  • Q&A systems - 用户习惯将搜索引擎看做Q&A系统;

3)在基础相关性上,相关性还包括temporal和spatial维度:

  • temporal:一些query需要的是最新的信息;
  • spatial:越来越多的query对地点需求强烈(旅馆等);

   4)此文提出的解决方案包括:

  • Designing a novel learning to rank algorithm for core ranking and a framework of contextual reranking algorithms;
  • Developing semantic matching features including click similarity, deep semantic matching, and translated text matching;
  • Building an innovative framework to understand user queries with query rewriting and its ranking strategy;
  • Proposing solutions to recency sensitive ranking and location sensitive ranking;

2. BACKGROUND

2.1 Overview of Architecture

略(与国搜差不多)

2.2 Ranking Features

The ranking functions are built on top of these features (斜体国搜已使用):

  • Web graph : the quality or the popularity of a document (eg:PageRank)
  • Document statistics : some basic statistics of the document (such as the number of words in various fields)
  • Document classifier : such as spam, adult, language, main topic...
  • Query Features : which help in characterizing the query type (such as number of terms, frequency of the query and of its terms, click-through rate of the query)
  • Text match : basic texting matching features are computed from different sections of the document (title, body, abstract, keywords) as well as from the anchor text and the URL
  • Topical matching : go beyond similarity at the word level and compute similarity at the topic level;
  • Click : try to incorporate user feedback
  • Time : the freshness of a page

2.3 Evaluation of Search Relevance

1)评估搜索引擎结果的方法有多种,其中包括human labeling(eg:根据专业编辑的判断)、用户行为度量(eg:点击率,query重写率,停留时间等);

2)此文章中为评估base relevance,将采用第一种方法:professional editor's judgement:

对于每个query-url对,分为5个等级:Perfect, Excellent, Good, Fair, Bad;

使用DCG公式度量搜索相关性:(公式待插入)

(for a ranked list of N documents, G represents the weight assigned to the label of the document at position i)

注:DCG公式仅仅在编辑人员对相关性评估相当靠谱的情况下方才使用;

3)此文章中对即将评估的query按照其出现频率分为三个等级:

top query - 有很强辨识性的query,很容易被检索到;

torso query - 信息有限,此类query一年只会被检索几次;

tail query - 一年被检索少于一次的query

=》本论文的重点在于搜索torso query和tail query;

【阅读笔记】Ranking Relevance in Yahoo Search (一)—— introduction & background的更多相关文章

  1. 【阅读笔记】Ranking Relevance in Yahoo Search (四 / 完结篇)—— recency-sensitive ranking

    7. RECENCY-SENSITIVE RANKING 作用: 为recency-sensitive的query提高排序质量: 对于这类query,用户不仅要相关的还需要最新的信息: 方法:rece ...

  2. 【阅读笔记】Ranking Relevance in Yahoo Search (三)—— query rewriting

    5. QUERY REWRITING 作用: query rewriting is the task of altering a given query so that it will get bet ...

  3. 【阅读笔记】Ranking Relevance in Yahoo Search (二)—— maching learned ranking

    3. MACHINE LEARNED RANKING 1) 完全使用不好的数据去训练模型不可行,因为负面结果不可能覆盖到所有方面: 2) 搜索可以看做是个二分问题,在此实验中,我们使用gradient ...

  4. Ranking relevance in yahoo search (2016)论文阅读

    文章链接 https://www.kdd.org/kdd2016/papers/files/adf0361-yinA.pdf abstract 点击特征在长尾query上的稀疏性问题 基础相关性三大技 ...

  5. Mongodb Manual阅读笔记:CH7 索引

    7索引 Mongodb Manual阅读笔记:CH2 Mongodb CRUD 操作Mongodb Manual阅读笔记:CH3 数据模型(Data Models)Mongodb Manual阅读笔记 ...

  6. JavaScript高级程序设计 - 阅读笔记

    [本博客为原创:http://www.cnblogs.com/HeavenBin/] 前言: 大致花费了一个星期的时间把这本书认真看了半本,下面是我做的阅读笔记,希望能够让看这本书的人有个大致的参考. ...

  7. Js引擎解析执行 阅读笔记

    Js引擎解析执行 阅读笔记 一篇阅读笔记 http://km.oa.com/group/2178/articles/show/145691?kmref=search&from_page=1&a ...

  8. 关于 AlphaGo 论文的阅读笔记

    这是Deepmind 公司在2016年1月28日Nature 杂志发表论文 <Mastering the game of Go with deep neural networks and tre ...

  9. [论文阅读笔记] LouvainNE Hierarchical Louvain Method for High Quality and Scalable Network Embedding

    [论文阅读笔记] LouvainNE: Hierarchical Louvain Method for High Quality and Scalable Network Embedding 本文结构 ...

随机推荐

  1. VAuditDemo代码审计

    简介 先提一嘴,代码审计流程大概可以归结为:把握大局,定向功能,敏感函数参数回溯. 本文也是按照此思路进行,还在最后增加了漏洞修补方法. 本人平时打打CTF也有接触过代码审计,但都是零零散散的知识点. ...

  2. 谁给你说的 Ubuntu 不可以输入中文

    文章更新于:2020-04-04 按照惯例,需要的文件附上链接放在文首 文件名:sogoupinyin_2.3.1.0112_amd64.deb 文件大小:25.5 MB 下载链接:https://w ...

  3. Windows10操作技巧系列——删除最常用,最常访问,快速访问记录

    Win10除了有传统意义上的,网络历史记录外,还包含了两种本地文件浏览记录,分别是资源管理器中的“快速访问”记录,和开始菜单以及任务栏中的“最常用”“最近”“最常访问”等“最记录”. 资源管理器中的“ ...

  4. linux中忘记了mysql的root用户的密码怎么办?

    1.vim /etc/my.cnf skip-grant-tables  #取消此行的注释 2.重启mysql systemctl restart mysqld 3.mysql 登陆mysql mys ...

  5. CNVD

    漏洞编号 漏洞名称 漏洞积分 奖励时间 CNVD-2020-15798 中国平乐县委员会组织部网站管理系统登录存在弱口令漏洞 1.0 2020-03-09 09:58:46.0 CNVD-2020-1 ...

  6. 【Java】Operator 运算符/操作符

    Operator 运算符/操作符 什么是操作符? 一个表示特定的数学或逻辑操作的符号 算术运算符 加 + 减 - 乘 * 除 / 取模 % 前置自运算 ++ a .--b 后置自运算 a++ .b-- ...

  7. 小波变换在matlab中的使用

    对信号进行一层分解 clc; clear; % 获取噪声信号 load('matlab.mat'); sig = M(1,1:1400); SignalLength = length(sig); %使 ...

  8. frame/iframe多表单切换

    应用场景: 在Web应用中经常会遇到frame/iframe表单嵌套页面的应用,WebDriver只能在一个页面上对元素识别与定位,对于frame/iframe表单内嵌页面上的元素无法直接定位.这时就 ...

  9. jmeter元件的执行顺序

    元件的执行顺序 在同一作用域范围内,test plan中的元件按照以下顺序执行:1) Config Elements--配置元件2) Pre-porcessors --前置处理器3) Timer-定时 ...

  10. SpringCloud-Hystrix 服务降级、熔断

    Hystrix 是什么? Hystrix 是一个用于处理分布式系统的延迟和容错的开源库,在分布式系统里,许多依赖不可避免的会调用失败,比如超时.异常等,Hystrix 能够保证在一个依赖出问题的情况下 ...