Improving Content Retrievability in Search with Controllable Query Generation

要約

オンライン プラットフォームの重要な目標は、コンテンツの発見を可能にすることです。つまり、ユーザーがなじみのないカタログ エンティティを見つけられるようにすることです。
エンティティを発見するための前提条件。
検索エンジンを備えた本は、エンティティが取得可能であることです。つまり、システムがそのようなエンティティを上位の結果に表示するクエリがあります。
ただし、機械学習された検索エンジンには、クエリの大部分が同じエンティティを返す高い取得可能性バイアスがあります。
これは、ユーザーが既知のエンティティのタイトルを使用してクエリを作成する狭い意図のクエリが優勢であることの一部が原因で発生します。
ブック検索で「ハリー・ポッター」。
ユーザーが新しいエンティティを発見したい広範なクエリの量。
音楽検索では、「空気感のある冷静で叙情的なエレクトロニカ」を検索し、彼らが見つける可能性のあるものに対してより高い耐性を持っていますが、比較すると小さいです。
ここでは、エンティティの検索可能性に悪影響を与える 2 つの要因 (I) 高密度検索モデルに使用されるトレーニング データ、および (II) システムで発行された狭義および広義のクエリの分布に焦点を当てます。
選択された基本的なインテント (ナローまたはブロード) のクエリを生成するメソッドである CtrlQGen を提案します。
CtrlQGen を使用して、さまざまな合成クエリで構成される高密度検索モデルのトレーニング データを生成することにより、要因 (I) を改善できます。
CtrlQGen は、ユーザーに幅広い意図を持つクエリを提案することで、要因 (II) に対処するためにも使用できます。
音楽、ポッドキャスト、および書籍のドメインからのデータセットに関する結果から、CtrlQGen を使用すると、高密度検索モデルの検索バイアスを大幅に減らすことができることが明らかになりました。
まず、生成されたクエリを高密度モデルのトレーニング データとして使用することで、エンティティの 9% を取得可能にします (取得可能性をゼロから非ゼロにします)。
次に、より広範なクエリをユーザーに提案することで、最良の場合でもエンティティの 12% を取得できるようにすることができます。

要約(オリジナル)

An important goal of online platforms is to enable content discovery, i.e. allow users to find a catalog entity they were not familiar with. A pre-requisite to discover an entity, e.g. a book, with a search engine is that the entity is retrievable, i.e. there are queries for which the system will surface such entity in the top results. However, machine-learned search engines have a high retrievability bias, where the majority of the queries return the same entities. This happens partly due to the predominance of narrow intent queries, where users create queries using the title of an already known entity, e.g. in book search ‘harry potter’. The amount of broad queries where users want to discover new entities, e.g. in music search ‘chill lyrical electronica with an atmospheric feeling to it’, and have a higher tolerance to what they might find, is small in comparison. We focus here on two factors that have a negative impact on the retrievability of the entities (I) the training data used for dense retrieval models and (II) the distribution of narrow and broad intent queries issued in the system. We propose CtrlQGen, a method that generates queries for a chosen underlying intent-narrow or broad. We can use CtrlQGen to improve factor (I) by generating training data for dense retrieval models comprised of diverse synthetic queries. CtrlQGen can also be used to deal with factor (II) by suggesting queries with broader intents to users. Our results on datasets from the domains of music, podcasts, and books reveal that we can significantly decrease the retrievability bias of a dense retrieval model when using CtrlQGen. First, by using the generated queries as training data for dense models we make 9% of the entities retrievable (go from zero to non-zero retrievability). Second, by suggesting broader queries to users, we can make 12% of the entities retrievable in the best case.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google