adagio33

Yunlong He, et al., Learning to Rewrite Queries, CIKM2016 yahoo 논문  2단계로 query rewriting(QR) 하는 방법 제안   1단계) query rewriting 후보 생성  기존 QR 방법들을 이용해서 후보 생성  2단계) 후보들 중에서 적합한 QR 선정  기계 학습 이용  후보 생성 방법  후보 생성은 어떤 방법을 이용해도 됨.  논문에서는 SMT를 이용하는 방법과 LSTM을 이용하는 방법으로 후보 생성함  실험에서 SMT에서 10개 후보, LSTM으로 10개 후보 생성함 후보 생성 모델의 학습데이터: (질의, 클릭 문서)에서 (질의, 문서 제목)를 추출해서 사용  800M 쌍으로 구성   QR 후보에 점수 부여  (사용자 질의, QR 질의)를 입력으로 받아서, 점수를 부여하는 모델 구축   (사용자 질의, QR 질의, 클릭빈도)로 구성된 학습데이터로 모델 학습함  클릭빈도 = QR 질의로 검색된 문서를 사용자 질의가 클릭한 빈도  클릭빈도가 높을수록 좋은 QR 질의로 간주함  클릭빈도를 예측하는 모델을 만들게 됨  몇개의 QR 질의를 사용하는지는 논문에 없음.  추측으로는 (사용자 질의, 사용자 질의)의 모델 점수보다 높은 QR 질의만 사용할 듯  모델에서 사용하는 자질 (표1)  사용자 질의에서 추출한 자질: 단어수, 불용어수 등  QR 질의에서 추출한 자질: 단어수, 불용어수 등  (사용자 질의, QR 질의) 쌍에서 추출한 자질 : jaccard similarity 등  18개 자질로 많지 않음. (이걸로 동작하는게 신기함)