本文介绍了文本匹配在搜索业务中的重要角色，从Query处理到资源召回、排序，直至用户点击的整个流程。同时，讨论了MIX模型在多粒度匹配中的应用，以及在问答系统和推荐系统中的价值。3D-convolution和Attention机制对匹配效果的影响被提及。此外，还探讨了语义搜索的未来发展方向，包括End2End语义召回和多媒体搜索的语义匹配。
文本匹配的价值与应用
- 搜索：搜索词 & 文档资源
Query请求（Query补全、Query解析、需求理解） ->
资源召回（精准召回、核心召回、语义召回） ->
资源排序（CTR预估模型、CVR预估模型、相关性模型） ->
直达曝光（UI模板系统、分层实验系统、模拟召回平台） ->
用户点击 ->
商业计价（广告接入平台、关键词售卖、推荐系统）
- 问答系统： 问题文本 & 答案文本
- 推荐系统： 用户画像 & 内容文本
Multi-channel Information Crossing(MIX) Model
- 多粒度匹配 (uni-conv B、bi-conv B、tri-conv B、weight B、POS B)
- Attention
- 3D-convolution
匹配词权重、语法匹配信息、位置信息均对匹配有影响。
语义搜索业务落地
匹配模块：
- 语义表示：Query语义表示 ->
最低0.47元/天 解锁文章
扫一扫
2246
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
