个性化搜索中用于查询感知用户建模的去噪注意力
摘要：基于神经网络的信息检索方法的发展和在许多搜索场景中的个性化重要性，个性化搜索结果在过去几年中引起了越来越多的关注。最近的研究提出在查询时间建立用户模型，通过利用注意机制来衡量与当前查询相关的用户信息的贡献。这种方法通过给予与用户当前搜索更相关的信息更多的重要性，可以考虑用户兴趣的多样性。 本文首先讨论标准注意机制在个性化方面存在的一些缺点。特别是，我们关注与标准注意机制的归一化机制相关的问题，以及其无法完全过滤掉噪音用户相关信息的能力。然后，我们介绍去噪注意机制：这是一种注意机制的变种，通过采用鲁棒的归一化方案和引入过滤机制来直接解决上述缺点。实验评估结果显示，与其他基于注意机制的变种相比，所提出的方法具有很多好处。
作者：Elias Bassani, Pranav Kasela, Gabriella Pasi
论文ID：2308.15968
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-31