ConQueR：使用搜索日志的上下文化查询缩减
摘要：查询重构是减轻即时检索中查询语言隔阂的关键机制。在各种解决方案中，查询缩减有效地从长查询中去除多余的术语，并指定简明用户意图。然而，捕捉隐藏和多样化的用户意图是具有挑战性的。本文提出了一种使用预训练语言模型（PLM）的上下文化查询缩减（ConQueR）方法。具体而言，它通过两个不同视角来缩减冗长的查询：核心术语的提取和子查询的选择。一个在术语级别从原始查询中提取核心术语，另一个在序列级别确定子查询是否适合缩减原始查询。由于它们在不同的粒度级别上操作且互补，因此最终以集成的方式进行聚合。我们评估了ConQueR在从商业网络搜索引擎收集的真实搜索日志上的缩减质量。与最佳竞争模型相比，它在精确匹配得分上获得了最高8.45％的增益。
作者：Hye-young Kim, Minjin Choi, Sunkyung Lee, Eunseong Choi, Young-In Song, Jongwuk Lee
论文ID：2305.12662
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-23