【CIKM2020】通过意图描述生成进行查询理解

查询理解是信息检索中的一个基本问题，在过去的几十年里一直受到人们的关注。为了理解用户的搜索查询，人们提出了许多不同的任务，例如查询分类或查询聚类。然而，在意图类/集群级别上理解搜索查询并不那么精确，因为会丢失许多详细信息。正如我们在许多基准数据集(例如TREC和SemEval)中发现的那样，查询通常与人类注释者提供的详细描述相关联，这些描述清楚地描述了查询的意图，以帮助评估文档的相关性。如果一个系统能够为搜索查询自动生成详细而精确的意图描述，就像人类注释器一样，这将表明更好的查询理解已经实现。因此，在本文中，我们提出了一种新的查询到意图描述(Q2ID)任务来进行查询理解。与那些利用查询及其描述来计算文档相关性的现有排序任务不同，Q2ID是一个反向任务，旨在基于给定查询的相关和不相关文档生成自然语言意图描述。为了解决这一问题，我们提出了一种新的对比生成模型，即CtrsGen(简称CtrsGen)，该模型通过对比给定查询的相关文档和不相关文档来生成意图描述。我们通过与几种最先进的生成模型在Q2ID任务上的比较，证明了我们的模型的有效性。我们将通过一个示例应用程序讨论这种Q2ID技术的潜在用法。

https://www.zhuanzhi.ai/paper/d34ba15f09003b2b2c17a7a415b8b026