【原创】query自动补全论文调研

该博客调研了近年来在查询自动补全领域的深度学习方法,包括session-aware、personalized query生成、语音查询补全和效率优化等方面。文章详细介绍了Amazon的Extreme Multi-Label Ranking技术、阿里淘宝的Multi-View Multi-Task Attentive Approach、Comcast的Voice Query Auto Completion以及LinkedIn的Efficient Neural Query Auto Completion等,探讨了这些方法如何利用上下文信息、历史行为和个人化模型来提升查询建议的准确性和效率。
摘要由CSDN通过智能技术生成
【kdd2021】【amazon】Session-Aware Query Auto-completion using Extreme Multi-Label:https://assets.amazon.science/5e/76/6ebacfc240e1a58b69a6f5347833/session-aware-query-auto-completion-using-extreme-multi-label-ranking.pdf
  1. abstract
    • 加入previous context,有助于理解用户意图,有助于联想出正确的query
    • generative approaches: 耗时较高,不如直接键盘输入快;容易联想出一些无意义的query;
    • 本文方法:输入历史query和当前query前缀,当成eXtreme Multi-label Ranking(XMR)问题;本文优化了当今流行的XMR方法
  2. 问题:
    • XMR是什么方法?
    • 如何融入的上下文?
  3. 方法:
    • XMR框架:PECOS(XLinear) https://github.com/amzn/pecos/tree/mainline/pecos/xmc/xlinear
      • 把百万级的label按树结构组织,每个叶子节点为一个label
      • 非叶子节点和叶子
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值