【BERT改进ElasticSearch的相关准确率80%以上】NBoost: Boost Elasticsearch Search Relevance by 80% with BERT

论文名字

NBoost: Boost Elasticsearch Search Relevance by 80% with BERT

论文摘要

最近，语义搜索通过有希望的搜索引擎，而不仅仅是搜索关键词，来理解搜索背后的含义，从而产生了大量的炒作。然而，使用和构建这些模型的只有信息检索（Information Retrieval，IR）研究人员，他们的代码不容易被转移到具有真实用户的生产环境中。这些研究人员开发的最好的模型能够令人印象深刻地理解语言，在国际关系竞赛的排行榜上名列前茅，比如TREC-CAR。这些语义搜索方法比传统的关键字搜索有了显著的改进，甚至使标准搜索性能提高了一倍。虽然这些结果有望改善用户的搜索体验，但任何利用语义搜索的集成解决方案都需要从头开始构建——正如任何构建搜索引擎的人都无法告诉你的那样，这是一项不小的壮举。我们认为必须有办法将这些模型应用到现有的搜索解决方案中！（例如Elasticsearch）这就是我们决定构建NBoost的原因。

论文作者

Cole Thienes，长期从事人工智能研究，是机器学习领域专家级人物，尤其在自然语言处理领域颇有建树。最近一直致力于自然语言预训练模型研究，并取得了最大突破。主张机器学习要面向实践，面向实际，立志解决当前问题，AI必须要有商业驱动，方能足够长远的发展。