Learning Dense Models of Query Similarity from User Click Logs

De Bona, F; Riezler, S; Hall, K; Ciaramita, M; Herdagdelen, A; Holmqvist, M

Lokale TagsFreigabegeschichteDetailsÜbersicht

Learning Dense Models of Query Similarity from User Click Logs

De Bona, F., Riezler, S., Hall, K., Ciaramita, M., Herdagdelen, A., & Holmqvist, M. (2010). Learning Dense Models of Query Similarity from User Click Logs. In 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL HLT 2010) (pp. 29).

Item is Freigegeben

einblenden: alle

Basisdaten

ausblenden:

Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000C-3A79-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-000C-3A7C-9

Genre: Konferenzbeitrag

Dateien

einblenden: Dateien

Externe Referenzen

ausblenden:

externe Referenz:
https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/36252.pdf (beliebiger Volltext) Open Access Status unbekannt

Beschreibung:
-

OA-Status:
Keine Angabe

externe Referenz:
https://mirror.aclweb.org/hlt-naacl10/docs/handbook.pdf (Zusammenfassung) Open Access Status unbekannt

Beschreibung:
-

OA-Status:
Keine Angabe

Urheber

ausblenden:

Urheber:
De Bona, F¹, Autor
Riezler, S, Autor
Hall, K, Autor
Ciaramita, M, Autor
Herdagdelen, A, Autor
Holmqvist, M, Autor

Affiliations:
1Rätsch Group, Friedrich Miescher Laboratory, Max Planck Society, ou_3378052

Inhalt

ausblenden:

Schlagwörter: -

Zusammenfassung: The goal of this work is to integrate query similarity metrics as features into a dense model that can be trained on large amounts of query log data, in order to rank query rewrites. We propose features that incorporate various notions of syntactic and semantic similarity in a generalized edit distance frame-work. We use the implicit feedback of user clicks on search results as weak labels in training linear ranking models on large data sets. We optimize different ranking objectives in a stochastic gradient descent framework. Our experiments show that a pairwise SVM ranker trained on multipartite rank levels outperforms other pairwise and listwise ranking methods under a variety of evaluation metrics.

Details

ausblenden:

Sprache(n):

Datum: Erschienen: 2010-06

Publikationsstatus: Erschienen

Seiten: -

Ort, Verlag, Ausgabe: -

Inhaltsverzeichnis: -

Art der Begutachtung: -

Identifikatoren: -

Art des Abschluß: -

Veranstaltung

ausblenden:

Titel: 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL HLT 2010)

Veranstaltungsort: Los Angeles, CA

Start-/Enddatum: 2010-06-01 - 2010-06-06

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

ausblenden:

Titel: 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL HLT 2010)

Genre der Quelle: Konferenzband

Urheber:

Affiliations:

Ort, Verlag, Ausgabe: -

Seiten: 9 Band / Heft: - Artikelnummer: - Start- / Endseite: 29 Identifikator: -