Нейросетевая модель кликов для веб-поиска

Понимание поведения пользователей при просмотре результатов веб-поиска имеет ключевое значение для повышения эффективности веб-поиска. Для объяснения или предсказания кликов пользователей по результатам поисковой системы было предложено множество моделей кликов. Они основаны на подходе вероятностных графических моделей (PGM), в рамках которого поведение пользователя представляется как последовательность наблюдаемых и скрытых событий. Подход вероятностных графических моделей предоставляет математически обоснованный способ рассуждать о множестве событий при наличии некоторой информации о других событиях. Однако структуру зависимостей между событиями необходимо задавать вручную. В разных моделях кликов используются различные наборы зависимостей, сконструированные вручную. Мы предлагаем альтернативный подход, основанный на идее распределённых представлений: информационная потребность пользователя и доступная ему информация представляются векторным состоянием. Компоненты векторного состояния обучаются представлять понятия, полезные для моделирования поведения пользователя. Поведение пользователя моделируется как последовательность векторных состояний, связанных с сессией запроса: векторное состояние инициализируется запросом, а затем итеративно обновляется на основе информации о взаимодействиях с результатами поисковой системы. Этот подход позволяет непосредственно изучать поведение пользователя при просмотре результатов по данным о кликах, то есть без необходимости заранее задавать набор правил, как это обычно делается в моделях кликов на основе вероятностных графических моделей. Мы иллюстрируем наш подход с помощью набора нейросетевых моделей кликов. Экспериментальные результаты показывают, что нейросетевая модель кликов, использующая те же обучающие данные, что и традиционные модели кликов на основе вероятностных графических моделей, превосходит их по эффективности в задаче предсказания кликов, то есть предсказания клика пользователя по результатам поисковой системы, и в задаче предсказания релевантности, то есть ранжирования документов по их релевантности запросу. Анализ наиболее эффективной нейросетевой модели кликов показывает, что она обучается тем же понятиям, которые используются в традиционных моделях кликов, а также другим понятиям, которые невозможно спроектировать вручную.