[2013]Learning Deep Structured Semantic Models for Web Search using Clickthrough Data

[IkokObi]

ざっくり言うと

• 単語をn-gram(論文ではtrigram)で表現するword hashingを用いて，ボキャブラリ数の増加に対応

• 単語をone-hotからword hashingに変換して，層を重ねてembeddingを学習するというモデル

  

• テストデータは16,510個の検索ログデータ

• 各検索結果の文書に対して，0-4の5段階評価がついている

• 訓練データはクリック情報を用いて，queryに対して関連文書と非関連文書のセットを用意

• SOTAモデルを含むベースラインモデルと比較して，良い精度

• 気になった点として，提案モデル(L-WH DNN)と従来モデル(TF-IDF)の結果を比較した表を見ると，曖昧な検索ではL-WHが勝っているが，通常の検索では負けている印象

  

• 上の結果を見ると，https://github.com/IkokObi/paper-readings/issues/7 のように厳密な検索と曖昧検索を併用したくなる

キーワード

• IR
• NLP
• Latent semantic model
• click data

1. 情報

論文リンク

https://www.microsoft.com/en-us/research/publication/learning-deep-structured-semantic-models-for-web-search-using-clickthrough-data/

著者

Po-Sen Huang, Xiaodong He, Jianfeng Gao, Li Deng, Alex Acero, Larry Heck

投稿日付

2013/10/27-11/1 (CIKM 13)

[IkokObi]

2. 先行研究と比べてどこがすごい？

3. 技術や手法のキモはどこ？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

7. 実装の詳細

8. データセット

9. 結果の詳細

雑感&メモ