LTR:应用于电商智能客服领域知识库搜索的实践

  1. 云栖社区>
  2. 博客>
  3. 正文

LTR:应用于电商智能客服领域知识库搜索的实践

简襄 2018-02-27 14:19:26 浏览2399
展开阅读全文
ffcde586-e2ba-403a-a300-136524dca803.png
 
 
关键词:搜索、机器学习、学习排序、Learning to Rank(LTR)
 
1:背景
 
搜索引擎排序(Ranking)的优化是搜索领域中普遍遇到的问题,通常会涉及到很多的排序策略,传统的排序方法一般通过构造相关度函数,然后按照相关度进行排序。影响相关度的因素很多,也有很多经典算法模型来满足这一需求,但是对于传统的排序方法,有很多特征信息的情况下,单一的函数或者模型很难融合很多参数,也容易出现过拟合的现象,而机器学习方法很容易融合多种特征,能一定程度的解决稀疏、过拟合等问题。因此,以机器学习的理论基础来解决ranking问题便形成了Learning to Rank(学习排序、LTR)的方法。
 
Learning to Rank是在机器学习领域中有监督学习(Supervised Learning)的排序方法,如今已经被广泛应用于搜索

网友评论

登录后评论
0/500
评论
简襄
+ 关注