Incorporating Semantic Knowledge into Latent Matching Model in Search
搜索中查询词与文档之间的相关性可以用两个对象之间的匹配度来表示。潜在空间模型已被证明是有效的任务，这往往是通过点击数据训练。这种方法的一个技术挑战是，很难训练一个模型来处理没有足够点击的尾查询和尾文档。在本文中，我们建议通过学习潜在匹配模型来解决这一挑战，不仅使用点击数据，还使用语义知识。语义知识可以是手动或自动创建的查询和文档的类别以及单词的同义词。具体来说，我们将语义知识纳入目标函数，包括正则化条款。我们开发了两种方法来解决学习任务的基础上，坐标下降和梯度下降，这可以在不同的设置。在应用程序搜索引擎的两个数据集上的实验结果表明，该模型可以有效地利用语义知识，从而显著提高潜在匹配模型的准确性，特别是对于尾查询。
2016-04-21 cs.IR
MS2MetGAN: Latent-space adversarial training for metabolite-spectrum matching in MS/MS database search
MS2MetGAN通过生成对抗网络生成负样本，提升代谢物鉴定准确性，采用自编码器学习潜空间表示，实现代谢物-质谱匹配。
2026-03-07 cs.IR cs.LG q-bio.QM
Towards Math-Aware Automated Classification and Similarity Search of Scientific Publications: Methods of Mathematical Content Representations
Faculty of Informatics, Masaryk University（马萨里克大学信息学院）
在本文中，我们调查的数学内容表示适用于自动分类和STEM文档中的相似性搜索使用标准的机器学习算法：潜在狄利克雷分配（LDA）和潜在语义索引（LSI）。这些方法在arXiv.org论文的一个子集上进行评估，数学主题分类（MSC）作为参考分类，并使用标准的精确度/召回率/F1度量指标。这些结果让我们深入了解不同的数学表示如何影响STEM存储库中分类和相似性搜索任务的性能。毫不奇怪，机器学习方法能够从文本标记中获取分布式语义。适当选择表示数学的加权标记可以稍微提高结果的质量。一个结构化的数学表示，模仿成功的文本处理技术与数学，产生更好的结果比平面TeX令牌。
2021-10-08 cs.AI cs.CL cs.IR
Exploiting Latent Codes: Interactive Fashion Product Generation, Similar Image Retrieval, and Cross-Category Recommendation using Variational Autoencoders
University of the Philippines, Diliman（菲律宾大学迪利曼分校）
深度学习应用在时尚行业的兴起推动了大规模数据集的管理，以构建产品设计，图像检索和推荐系统的应用程序。本文提出利用变分自编码器（Variational Autoencoder，VAE）来构建一个交互式的时尚产品应用框架，允许用户根据自己的喜好生成具有属性的产品，检索同一产品类别的相似风格，并接收来自其他类别的基于内容的推荐。包含眼镜、鞋类和箱包的时尚产品图像数据集适合于说明该管道适用于蓬勃发展的电子商务行业，从而能够在指定所需产品时与新的数据匹配方法进行直接用户交互，并通过使用VAE并利用其生成的潜在代码来推荐系统。
2020-09-02 cs.CV cs.IR
OBLIQ-Bench: Exposing Overlooked Bottlenecks in Modern Retrievers with Latent and Implicit Queries
Massachusetts Institute of Technology（麻省理工学院）
针对现有检索基准饱和但实际搜索问题未解决的现象，提出一类“倾斜查询”并构建OBLIQ-Bench基准，揭示检索与验证之间的不对称性，即推理LLM能可靠识别潜在相关性但检索管道无法召回多数相关文档。
2026-05-28 cs.AI cs.IR
Exploring Latent Semantic Factors to Find Useful Product Reviews
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
消费者提供的在线评论是电子商务平台的宝贵资产，影响潜在消费者做出购买决策。然而，这些评论的质量参差不齐，有用的评论被埋在一堆没有信息的评论中。在这项工作中，我们试图自动识别审查质量方面的帮助，最终消费者。与以前在这一领域利用各种句法和社区级别的功能的作品相比，我们深入研究了评论的语义是什么使它们有用，提供了可解释的解释。我们确定了一组一致性和语义因素，所有这些因素都来自用户生成的评论的文本，评级和时间戳，使我们的方法在所有社区和领域中具有普遍性。我们从几个潜在的因素来探讨评论语义，比如作者的专业知识，他对底层产品的细粒度方面的判断，以及他的写作风格。这些都投到一个隐马尔可夫模型-潜在狄利克雷分配（HMM-LDA）为基础的模型，共同推断：（i）审查专家，（ii）项目方面，和（iii）审查有用。在亚马逊的五个真实世界数据集上进行的大规模实验显示，在预测和排名有用评论方面，与最先进的基线相比，有了显着的改进。
2017-05-06 cs.AI cs.CL cs.IR
Thistle: A Vector Database in Rust
NYU（纽约大学）
我们提出蓟，一个功能齐全的向量数据库。蓟是一个进入领域的潜在知识使用回答搜索查询，正在进行的研究课题，在初创公司和搜索引擎公司。我们实现蓟与几个著名的算法，并在MS MARCO数据集的基准结果。结果有助于澄清潜在的知识领域以及不断增长的Rust ML生态系统。
2023-03-25 cs.AI cs.IR
PailitaoGR: Latent Think-with-Images for Generative Image Retrieval
Alibaba Group（阿里巴巴集团）
本文提出PailitaoGR方法，通过设计聚焦目标感知与选择性辅助证据利用机制，在生成式图像检索任务中较现有基准平均提升13.8%，验证了方法有效性。
2026-08-28 cs.AI cs.CV cs.IR
Creating Scalable and Interactive Web Applications Using High Performance Latent Variable Models
Carnegie Mellon University（卡内基梅隆大学）
在这个项目中，我们概述了一个模块化的，可扩展的系统比较亚马逊产品在一个互动和信息的方式使用高效的潜变量模型和动态可视化。我们展示了我们的系统如何建立在亚马逊产品的结构和丰富的评论信息的基础上，以提供快速，多方面和直观的比较。通过向用户提供精简的每个主题的比较可视化，我们能够显示来自整个评论集的聚合信息，同时提供一个界面，该界面至少与亚马逊目前显示的“最有帮助的评论”一样紧凑，但信息量要大得多。
2015-10-21 cs.AI cs.IR
Latent Aspect Detection from Online Unsolicited Customer Reviews
Amirkabir University of Technology（阿米卡比尔理工大学）；Press’nXPress（Press’nXPress公司）；University of Windsor（温莎大学）
在评论分析的背景下，方面是客户针对其意见和情感的产品和服务的特征。方面检测有助于产品所有者和服务提供商识别缺点并优先考虑客户的需求，从而保持收入并减轻客户流失。现有的方法集中于通过训练监督学习方法来检测方面的表面形式，当方面在评论中是潜在的时，监督学习方法就不起作用了。在本文中，我们提出了一种无监督的方法来提取方面的潜在出现。具体来说，我们假设客户在撰写评论时经历了两个阶段的假设生成过程：（1）在产品或服务可用的一组方面中决定一个方面，以及（2）从语言中可用的所有单词中编写与所选方面更相关的意见单词。我们采用潜在的Dirichlet分配来学习潜在的方面分布，以生成评论。基准数据集上的实验结果表明，我们提出的方法是能够提高最先进的方面是潜在的，没有表面形式的评论。
2022-04-14 cs.CL cs.IR cs.LG
Differentiable Neural Input Search for Recommender Systems
Shanghai Jiao Tong University（上海交通大学）
潜在因素模型是最先进的推荐系统的驱动力，具有将原始输入特征向量化为密集嵌入的重要见解。不同特征嵌入的维度通常根据经验设置为相同的值，这限制了潜在因素模型的预测性能。现有的工作已经提出了启发式或基于强化学习的方法来搜索混合特征嵌入维度。出于效率考虑，这些方法通常从候选维度的受限集合中选择嵌入维度。然而，这种限制会损害维度选择的灵活性，导致搜索结果的次优性能。在本文中，我们提出了可微神经输入搜索（DNIS），这是一种通过连续松弛和可微优化在更灵活的空间中搜索混合特征嵌入维度的方法。其核心思想是引入一个软选择层来控制每个嵌入维度的重要性，并根据模型的验证性能来优化该层。DNIS是模型不可知的，因此可以无缝地与现有的潜在因素模型结合起来进行推荐。我们在三个公开的真实世界数据集上进行了各种潜在因素模型架构的实验，用于评级预测，点击率（CTR）预测和top-k项目推荐。结果表明，我们的方法实现了最好的预测性能相比，现有的神经输入搜索方法具有更少的嵌入参数和更少的时间成本。
2020-09-10 cs.IR cs.LG
Discovering Latent Concepts and Exploiting Ontological Features for Semantic Text Search
命名实体和WordNet单词在定义它们出现的文本内容时非常重要。命名实体具有本体特征，即它们的别名、类和标识符。WordNet词汇还具有本体特征，即同义词、上位词、下位词和义项。概念的这些特征可能隐藏在它们的文本外观中。此外，还有一些相关的概念没有出现在查询中，但如果添加它们，则可以显示查询的含义。传统的约束扩散激活算法利用了网络中节点的所有关系，这会在查询中添加不合适的信息。同时，我们只使用查询中表示的关系。提出了一种基于本体的广义向量空间模型来进行语义文本搜索。它通过关系约束扩散激活发现查询中的相关潜在概念。此外，为了表示一个词有一个以上的可能直接意义，它结合了最具体的共同上位词的其余未消除歧义的多个意义与词的形式。在一个基准数据集上的实验表明，我们的模型是41.9%和29.3%，分别优于纯粹的基于关键字的模型和传统的约束扩散激活模型的检索性能的MAP措施。
2018-07-15 cs.IR
Towards Generalizable Semantic Product Search by Text Similarity Pre-training on Search Click Logs
Wayfair LLC（Wayfair有限责任公司）
最近，语义搜索已经成功地应用于电子商务产品搜索，并且用于查询和产品编码的学习的语义空间被期望推广到看不见的查询或产品。然而，推广是否可以方便地出现，迄今为止，在该领域还没有深入研究。在本文中，我们检查了几个通用领域和特定领域的预训练Roberta变体，并发现通用领域微调无助于泛化，这与现有技术的发现一致。基于对公开可用的手动注释查询-产品对数据的分桶分析，使用点击流数据进行适当的特定领域微调可以带来更好的模型泛化
2022-04-28 cs.AI cs.CL cs.IR
Product Insights: Analyzing Product Intents in Web Search
网络搜索引擎经常用于访问关于产品的信息。近年来，随着电子商务的日益普及，这种情况有所增加。然而，当涉及到在网络上搜索产品时，对用户搜索什么以及他们的意图的理解有限。在这项工作中，我们研究搜索日志从必应网络搜索引擎来表征用户的意图和研究用户的行为，产品搜索。我们提出了一个分类的产品意图，通过分析产品搜索查询。这是一个具有挑战性的任务，因为只有15%-17%的网络搜索查询是关于产品的。我们使用查询日志特征来训练机器学习分类器，以基于意图对查询进行分类，总体F1得分为78%。我们进一步分析了产品搜索查询的各种特征，如停留时间，成功，流行度和会话特定信息的搜索指标。
2020-05-19 cs.IR
A Zero Attention Model for Personalized Product Search
产品搜索是人们在电子商务网站上发现和购买产品的最流行的方法之一。由于个人偏好往往对每个客户的购买决策有着重要的影响，因此直观地说，个性化应该对产品搜索引擎有益。虽然从以前的研究合成实验表明，购买历史是有用的，用于确定每个产品搜索会话的个人意图，个性化的产品搜索在实践中的效果，然而，仍然是未知的。在本文中，我们制定的个性化产品搜索的问题，并进行大规模的实验，从商业电子商务搜索引擎的搜索日志采样。从我们的初步分析结果表明，个性化的潜力取决于查询的特点，查询之间的相互作用，和用户的购买历史。基于这些观察，我们提出了一个零注意力模型的产品搜索，自动确定何时以及如何个性化的用户查询对通过一种新的注意力机制。商业产品搜索日志的实证结果表明，该模型不仅显着优于国家的最先进的个性化产品检索模型，但也提供了重要的信息，个性化的潜力，在每个产品搜索会话。
2019-08-29 cs.IR
Model-agnostic vs. Model-intrinsic Interpretability for Explainable Product Search
产品检索系统已经成为客户在线发现和购买产品的主要入口。随着人们对人工智能系统的透明度和问责制的日益关注，可解释信息检索的研究越来越受到研究界的关注。有趣的是，在电子商务领域，尽管对可解释产品推荐的研究已经非常广泛，但对可解释产品搜索的研究还处于起步阶段。本文通过比较模型不可知解释范式和模型内在解释范式，分析决定产品搜索解释绩效的重要因素，研究如何构建有效的可解释产品搜索。我们提出了一个可解释的产品搜索模型与模型内在的可解释性，并进行众包比较与最先进的可解释的产品搜索模型与模型无关的可解释性。我们观察到两种范式各有优势，不同性质的搜索解释的有效性受到不同因素的影响。例如，解释的保真度是更重要的用户对系统的整体满意度，而解释的新颖性可能是更有用的吸引用户购买。这些发现可能对未来可解释产品搜索引擎的研究和设计具有重要影响。
2021-08-17 cs.IR
Reference Product Search
对于感兴趣的产品，我们提出了一种搜索方法，表面的一组参考产品。参考产品可用作支持下游建模任务和业务应用的候选产品。搜索方法包括产品表示学习和指纹型矢量搜索。通过一种新颖的注意力自动编码器神经网络将产品目录信息转换为低维的高质量嵌入，并且嵌入进一步与二进制编码向量耦合以用于快速检索。我们进行了大量的实验来评估所提出的方法，并将其与对等服务进行比较，以证明其在搜索返回率和精度方面的优势。
2019-04-11 cs.IR cs.LG stat.ML
