論文の概要: Quotient Space-Based Keyword Retrieval in Sponsored Search

• arxiv url: http://arxiv.org/abs/2105.12371v1
• Date: Wed, 26 May 2021 07:27:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-27 23:08:00.919420
• Title: Quotient Space-Based Keyword Retrieval in Sponsored Search
• Title（参考訳）: スポンサー検索における空間的キーワード検索
• Authors: Yijiang Lian, Shuang Li, Chaobing Feng, YanFeng Zhu
• Abstract要約: 代名詞検索は, 代名詞検索において重要な問題となっている。 本稿では,この問題に対処する新しい空間探索フレームワークを提案する。 この方法はBaiduのオンライン検索システムでうまく実装されている。
• 参考スコア（独自算出の注目度）: 7.639289301435027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synonymous keyword retrieval has become an important problem for sponsored search ever since major search engines relax the exact match product's matching requirement to a synonymous level. Since the synonymous relations between queries and keywords are quite scarce, the traditional information retrieval framework is inefficient in this scenario. In this paper, we propose a novel quotient space-based retrieval framework to address this problem. Considering the synonymy among keywords as a mathematical equivalence relation, we can compress the synonymous keywords into one representative, and the corresponding quotient space would greatly reduce the size of the keyword repository. Then an embedding-based retrieval is directly conducted between queries and the keyword representatives. To mitigate the semantic gap of the quotient space-based retrieval, a single semantic siamese model is utilized to detect both the keyword--keyword and query-keyword synonymous relations. The experiments show that with our quotient space-based retrieval method, the synonymous keyword retrieving performance can be greatly improved in terms of memory cost and recall efficiency. This method has been successfully implemented in Baidu's online sponsored search system and has yielded a significant improvement in revenue.
• Abstract（参考訳）: 主要な検索エンジンが一致した商品のマッチング要求を同義語レベルに緩和したため、同義語キーワード検索はスポンサー検索にとって重要な問題となっている。 クエリとキーワードの同義関係は極めて少ないため、従来の情報検索フレームワークはこのシナリオでは非効率である。 本稿では,この問題に対処するために,新しい商空間ベース検索フレームワークを提案する。 キーワード間の同義性を数学的同値関係として考えると、同義語を1つの代表に圧縮することができ、対応する商空間はキーワードリポジトリのサイズを大幅に削減できる。 そして、クエリとキーワード代表との間で埋め込みベースの検索が直接実行される。 余剰空間に基づく検索のセマンティックギャップを軽減するために、キーワードキーワードとクエリキーワードの同義関係の両方を検出するために単一のセマンティックサイメモデルを用いる。 実験の結果,提案手法により,メモリコストやリコール効率の面で,同義語検索性能を大幅に向上させることができることがわかった。 この方法はBaiduのオンライン検索システムでうまく実装されており、収益を大幅に改善している。

関連論文リスト

• LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
  リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。 効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。 この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T05:32:33Z)
• Dense X Retrieval: What Retrieval Granularity Should We Use? [56.90827473115201]
  しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。 本稿では,高密度検索のための新しい検索ユニット,命題を提案する。 実験により、提案のような細粒度単位によるコーパスのインデックス付けは、検索タスクにおける通過レベル単位を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-12-11T18:57:35Z)
• Keyword Augmented Retrieval: Novel framework for Information Retrieval integrated with speech interface [0.0]
  言語モデルを使って幻覚なしで素早く低コストで回答を取得することは大きなハードルです。 これは知識検索自動化における言語モデルの利用を防止するためである。 商用検索やチャットボットアプリケーションでは、GPT 3.5などの商用大規模言語モデル(LLM)への完全依存は非常にコストがかかる。
  論文  参考訳（メタデータ） (2023-10-06T12:44:04Z)
• WISK: A Workload-aware Learned Index for Spatial Keyword Queries [46.96314606580924]
  本稿では,空間的キーワードクエリの学習指標であるWISKを提案する。 We show that WISK achieve up to 8x speedup in querying time with comparable storage overhead。
  論文  参考訳（メタデータ） (2023-02-28T03:45:25Z)
• Keyword Embeddings for Query Suggestion [3.7900158137749322]
  本稿では,科学文献に基づいて学習したキーワード提案タスクのための2つの新しいモデルを提案する。 我々の手法はWord2VecとFastTextのアーキテクチャに適応し、文書のキーワード共起を利用してキーワード埋め込みを生成する。 我々は,タスクのベースラインよりも大幅に改善された,最先端の単語と文の埋め込みモデルに対する提案を評価した。
  論文  参考訳（メタデータ） (2023-01-19T11:13:04Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
  本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。 本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。 このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-01-01T05:15:42Z)
• Phrase Retrieval Learns Passage Retrieval, Too [77.57208968326422]
  文節検索が,文節や文書を含む粗いレベルの検索の基盤となるかを検討する。 句検索システムでは,句検索の精度が向上し,句検索の精度が向上していることを示す。 また,句のフィルタリングやベクトル量子化により,インデックスのサイズを4～10倍に削減できることを示す。
  論文  参考訳（メタデータ） (2021-09-16T17:42:45Z)
• End-to-End Open Vocabulary Keyword Search [13.90172596423425]
  本稿では,キーワード検索に最適化されたモデルを提案する。 提案モデルでは, 正と負の試行比率が人工的に均衡するタスクにおいて, 同様のエンド・ツー・エンドモデルより優れる。 LVCSRをベースとしたキーワード検索システムでは,出力の再スコア付けに本システムを用いることで,大幅な改善が期待できる。
  論文  参考訳（メタデータ） (2021-08-23T18:34:53Z)
• Leveraging Cognitive Search Patterns to Enhance Automated Natural Language Retrieval Performance [0.0]
  ユーザの検索行動を模倣する認知的再構成パターンが強調されている。 問合せの概念表現を考慮し,これらのパターンの適用を形式化する。 遺伝的アルゴリズムに基づく重み付けプロセスでは、概念的役割タイプに応じて用語に重点を置くことができる。
  論文  参考訳（メタデータ） (2020-04-21T14:13:33Z)
• Keyword-Attentive Deep Semantic Matching [1.8416014644193064]
  本稿では,深いセマンティックマッチングを改善するためのキーワード付きアプローチを提案する。 まず、大きなコーパスからのドメインタグを利用して、ドメインを拡張したキーワード辞書を生成する。 モデル学習中,入力ペア間のキーワードカバレッジに基づく新しいネガティブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-11T10:18:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。