ACL2020｜对抗式query-doc相关性模型，让线上搜索结果大幅提升！

本文介绍的是 ACL 2020 论文《Learning Robust Models for e-Commerce Product Search》，论文作者来自爱荷华州立大学、亚马逊。
作者 | 机智的叉烧
编辑 | 丛 末

论文地址：https://arxiv.org/pdf/2005.03624.pdf
1
背景
搜索和推荐经常会被放在一起对比，其中最突出的区别就是搜索中存在query，需要充分考虑召回内容和query之间的相关性，而如果内容是搜索广告，则对内容有更高的要求，相关性过低的内容被展示会让用户有很差的体验。
相关性在一定程度上可以被抽象成doc和query之间的语义相似度问题，其实当前语义相似度的研究已经非常成熟，在sigir2018中有人曾经对搜索和推荐中的深度学习匹配进行了非常全面的综述：Deep Learning for Matching in Search and Recommendation[1]。在语义匹配上，大家的关注点经常在于如何去定义“匹配”上，尤其是分析如何将两者的编码内容更好地匹配起来。