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

成为VIP会员查看完整内容
20

相关内容

【CIKM2020】学习个性化网络搜索会话
专知会员服务
14+阅读 · 2020年9月20日
专知会员服务
29+阅读 · 2020年9月18日
【ECCV2020】基于场景图分解的自然语言描述生成
专知会员服务
23+阅读 · 2020年9月3日
【KDD2020-清华大学】图对比编码的图神经网络预训练
专知会员服务
44+阅读 · 2020年6月18日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
61+阅读 · 2020年5月25日
【ACL2020-密歇根州立大学】语言和视觉推理的跨模态关联
CIKM2020 | 最新9篇推荐系统相关论文
机器学习与推荐算法
12+阅读 · 2020年8月20日
【KDD2020】图神经网络生成式预训练
专知
22+阅读 · 2020年7月3日
万字长文| 中文知识图谱构建技术以及应用的综述
中国人工智能学会
70+阅读 · 2019年9月9日
【清华大学】元知识图谱推理
专知
128+阅读 · 2019年9月2日
从语言学到深度学习NLP,一文概述自然语言处理
人工智能学家
13+阅读 · 2018年1月28日
大规模知识图谱的构建、推理及应用
CSDN大数据
7+阅读 · 2017年9月7日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
3+阅读 · 2017年8月15日
VIP会员
相关资讯
CIKM2020 | 最新9篇推荐系统相关论文
机器学习与推荐算法
12+阅读 · 2020年8月20日
【KDD2020】图神经网络生成式预训练
专知
22+阅读 · 2020年7月3日
万字长文| 中文知识图谱构建技术以及应用的综述
中国人工智能学会
70+阅读 · 2019年9月9日
【清华大学】元知识图谱推理
专知
128+阅读 · 2019年9月2日
从语言学到深度学习NLP,一文概述自然语言处理
人工智能学家
13+阅读 · 2018年1月28日
大规模知识图谱的构建、推理及应用
CSDN大数据
7+阅读 · 2017年9月7日
微信扫码咨询专知VIP会员