信息检索报告整理

前言

最近听了业界大佬Maarten的一个关于IR的Talk,如果我没记错,应该和去年在ESSIR上听到的是一样的,不过每次听都有新的收获,将要整理记录如下。

Query Improvement (online)

  1. 主要的目:提供shortcut给用户、处理查询的error
  2. 主要方式:Log analysis (AOL dataset)
  3. 主要途径:
    • Query Auto-Completion (QAC): what users' intent in mind but not clearly expressed
    • Query Suggestion: recommendation, ranking & diversity
    • Query Expansion
    • Query Correction
  4. 关键在于将Query的signals,如clicks, time, news, personal, general, location等信息和query logs相结合

Getting Content (offline)

  1. Crawling中常见的问题:
    • Scale
    • Content selection
    • URL filtering
    • Remove duplicate URLs: exact & near (compare sequences of word, like n-gram words)
    • Spam detection: meaningful expressions, sentiment analysis & supervised learning
    • Aggregation: considering anchor text on the web & information among entities.
    • Inverted index construction: collect -> tokenize -> stopwords -> stem/lemma -> index
    • Temporal IR: info can be images, songs, books, news, webs, videos and apps

Query Understanding (online)

  1. The result of query understanding can be presented on search engine results page (SERP), some contexts should be considered:
    • Search goals? search tasks?
    • Semantic topics?
    • Time-sensitive? location-sensitive?
  2. Classification query based on pre-defined intent is difficult (short & ambiguous): click-though data & session data.
  3. Intent Discovery (Non-predefined)
    • Shifting intents: intents change with time (Radinsky. 2013)
    • Learning to detect intent shifting (Lefortier. 2014)
      • Queries whose intents from non-fresh to fresh
      • More clicks to some links?
  4. Diversity
    • Extrinsic: query with uncertainty
    • Intrinsic: diversity is part of info needs

Ranker (learning to rank)

  1. content-based
  2. structure-based (title, content, tags, time)
  3. based on interaction behaviors (click through, scanning)
  4. docs represented by feature vector

Responsible IR

Privacy, Fairness, Accuracy, Transparency (let the sys explain why)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,014评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,796评论 3 386
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,484评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,830评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,946评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,114评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,182评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,927评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,369评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,678评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,832评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,533评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,166评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,885评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,128评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,659评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,738评论 2 351

推荐阅读更多精彩内容

  • 看了空巢老人的热搜 很不舒服 在台湾的时候学的是社工 总会去老师开设的安养中心做义工 那是我第一次知道原来我们身边...
    曼总阅读 115评论 0 0
  • http协议是目前非常普及的应用层传输协议,了解https之前要先知道http的缺点. 1.通信使用明文(不加密)...
    杨帅iOS阅读 9,636评论 5 18
  • 每个女孩都渴望闺蜜。 电影《滚蛋吧,肿瘤君》中,女主熊顿深情地对闺蜜说:我可以失恋十次,却不能失去你一次,让人泪目...
    冰冰不怕加热阅读 1,137评论 21 19