通过贝叶斯优化改进 Azure 认知搜索的搜索相关性
这篇文章描述了在 Airbnb 实施深度学习搜索排名之后的 ABC 方案，包括架构、偏差和冷启动优化，其中包括新的排名神经网络、处理排名偏见的新方法和冷启动问题的解决方法。
Feb, 2020
本研究主要基于近似贝叶斯计算（ABC）研究人与设备交互过程中的认知模型参数，通过菜单交互的案例分析表明，ABC 可以更准确地估算模型参数值，比较模型不同变量之间的差异并支持将模型适应个体用户。
Dec, 2016
本文介绍了设计搜索代理的成功步骤，通过机器学习元策略来迭代查询精细化。文章提出了一种新颖的方法，使用机器阅读辅助挑选查询结果的精炼术语，使代理能够通过简单而有效的搜索操作对查询和搜索结果进行细粒度和透明的控制。通过自主学习，利用基于 Transformer 的语言模型来生成综合搜索会话，并介绍了一种强化学习代理，其具有动态限制的动作，可以从零开始学习交互式搜索策略。我们的搜索代理只使用传统的基于词项的 BM25 排名函数和可解释的离散筛选和筛选操作，即可达到与最新的神经方法相当的检索和答案质量性能。
Sep, 2021
通过自动化搜索结果验证和重新排序的方法，该论文提出了改善在线技术支持搜索结果准确性和相关性的新方法。通过解释和执行搜索结果中的逐步说明，并将搜索结果成功指标整合到重新排序机制中，论文详细介绍了解决方案的架构和全面评估结果。实验结果表明，在排名靠前的结果上质量和可靠性有显著改善，为解决在找到有效和可靠在线帮助方面的普遍挑战提供了可扩展和自动化的解决方案。
Apr, 2024
本研究提出了一种针对电子商务中产品搜索的交互式方法，即基于问题的顺序贝叶斯产品搜索方法，QSBPS，该方法可以通过直接查询用户，学习产品相关性以及潜在问题的回报，从而大大提高了产品搜索的性能。
Aug, 2019
通过用户行为数据培训产品分类器的新方法，在搜索查询中准确地显式和隐式识别产品对于增强用户体验至关重要。我们的语义模型导致已部署的界面的 CTR（点击率）相对改进超过 25％；空查询率下降超过 50％；展现的应用程序卡数量增加了 2 倍，有助于提升产品可见性。
Apr, 2024
本文介绍了部署在微软必应中的 Web 规模通用视觉搜索系统，使用分级学习排序框架，基于各种最新深度学习视觉特征，并在分布式异构计算平台上实现，定量和定性实验表明，我们的系统能够支持 Bing 网站和应用程序上的各种应用。
Feb, 2018