基于卷积神经网络的查询意图检测【论文笔记】

原文：Query Intent Detection using Convolutional Neural Networks

主要贡献：

• 使用卷积神经网络来提取查询向量表示作为查询分类的特征
• 使用该特征来对查询意图分类
• 能有效地检测出查询意图，具有较高的查准率和查全率

导言

• 现代搜索引擎为了满足用户的搜索需求，需深入了解用户的查询,识别查询背后的意图。例如，查询“美国总统”将返回巴拉克奥巴马作为答案，查询“匹兹堡图片”将首先显示图像搜索引擎的结果。
• 查询意图识别的挑战性：查询通常很短；识别用户意图需更多的上下文而不只是关键字；意图分类的数量非常大。大多数方法都需要大量的人力来为每个意图类定义模式。
• 本方法是使用深度学习来对查询向量表示，然后将其用作特征来按意图对查询进行分类。

相关工作

两种主流方法来识别查询意图：

• 基于规则的方法：使用预定义的规则将新查询与其意图匹配，如果能匹配上则一定是精确的，但可能缺少相应规则而覆盖率低，规则需要大量人力来设计
• 基于统计的方法：监督或非监督学习，在监督方法中需要基于领域知识或特征工程
• 本文自动生成生成查询向量作为特征，而不需人工设计分类特征。

查询意图识别

本方法

本模型包括两个步骤：

• 离线时训练模型参数，利用标记了意图的查询样本学习卷积神经网络的参数和分类器
• 在线时在新查询上运行模型，得到其意图分类结果