[发明专利]一个基于记忆神经网络的对话式信息检索的方法

说明书

本发明提出一种基于记忆神经网络的对话式信息检索的方法，通过建立检索模型，所述检索模型包括用户总体查询意图建模、当前查询特定意图建模和统计特征引入，所述用户总体查询意图建模利用用户的历史查询和历史点击信息建模会话内用户的整体查询意图，所述当前查询特定意图建模通过对当前查询词分析，找到最能表示当前特定查询意图的查询词来与文档进行交互，所述统计特征引入用于直接地衡量候选文档与整个查询序列的关系。

技术领域

本发明涉及一种检索方法，尤其涉及一个基于记忆神经网络的对话式信息检索的方法。

背景技术

对话式检索可以在使搜索引擎的用户可以采用类似对话的方式和搜索引擎进行交互获取想要的搜索结果。这种搜索方式一方面可以帮助用户将一个复杂的搜索任务分割成若干个简单的搜索任务，另一方面可以使用户在搜索过程中，通过搜索引擎的反馈结果，逐渐明确自己的核心搜索意图，从而形成更高效便捷的搜索过程。

现有技术用于解决对话式检索问题的方法主要是基于会话的检索模型，然而对话式检索与基于会话的检索的一大区别在于对话式检索中的查询更为简略，正如人们日常生活中对话时，通常会省略之前对话提到的事物，因此想要理解查询意图，不仅需要更好地理解查询历史，还需要更好地理解检索结果历史以及用户点击历史。另外，对话式检索过程中用户的查询意图较为发散，因而对当前查询的意图需要更精细的理解。现有技术中由基于反馈的记忆神经网络来提升检索效果，然而该模型中关于检索结果负例的使用不适用于对话式检索。本发明采用记忆神经网络存储历史的正例搜索结果用于理解用户的总体搜索意图，同时利用基于核的神经网络模型理解用户当前的搜索意图，并通过大量的特征设计提升检索效果。

发明内容

本发明提出了一种基于记忆神经网络的对话式信息检索的方法，通过建立检索模型，所述检索模型包括用户总体查询意图建模、当前查询特定意图建模和统计特征引入，所述用户总体查询意图建模利用用户的历史查询和历史点击信息建模会话内用户的整体查询意图，所述当前查询特定意图建模通过对当前查询词分析，找到最能表示当前特定查询意图的查询词来与文档进行交互，所述统计特征引入用于直接地衡量候选文档与整个查询序列的关系。

本发明有效地解决了对话式信息检索问题中用户意图发散的问题及当前查询信息缺失的问题。本发明应用在搜索引擎上可以大大提升用户的搜索体验，这体现在用户可以将复杂的查询任务分隔开，由浅入深地完成搜索任务。以及在用户与搜索引擎地交互过程中，用户可以更好地完善与明确自己的查询意图。

附图说明

图1为本发明的整体框架图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

对话式信息检索将用户的搜索行为视作用户与搜索引擎的对话过程。但是与对话机器人不同之处在于，搜索引擎无法显式地给用户类似人与人之间交流时的回答，而是通过返回检索到的文档列表，作为提供给用户的隐式回复，这里隐式的含义是搜索引擎给用户的回答包含在文档中需要用户自己阅读与选择。这样的交互方式使得对话式检索与传统的信息检索任务有着显著的差异，从传统的单方主导的交互方式，变化为双方共同主导的交互方式。一方面搜索引擎根据用户提供的一系列查询逐渐明晰用户的查询意图进而返回更符合该意图的文档，另一方面用户也根据搜索引擎反馈的信息判断搜索引擎理解的搜索意图，根据搜索引擎的理解与实际意图的偏差调整查询的表述方式，进而提供更贴合真实搜索意图的查询。