文献类型：期刊文献

中文题名：一种基于文本语义扩展的记忆网络查询建议模型

英文题名：A memory network model based on semantic expansion of text for query suggestion

作者：张乃洲[1];曹薇[1]

第一作者：张乃洲

机构：[1]河南财经政法大学计算机与信息工程学院,河南郑州450046

第一机构：河南财经政法大学计算机与信息工程学院

年份：2023

卷号：58

期号：12

起止页码：10-21

中文期刊名：山东大学学报(理学版)

外文期刊名：Journal of Shandong University(Natural Science)

收录：CSTPCD;;北大核心:【北大核心2020】；CSCD:【CSCD_E2023_2024】；

基金：国家自然科学基金资助项目(62072156)。

语种：中文

中文关键词：查询建议;文本语义扩展;环境感知;记忆网络;编码器-解码器模型

外文关键词：query suggestion;semantic expansion of text;context-aware;memory network;encoder-decoder model

摘要：提出了一种新的基于文本语义扩展的记忆网络模型,用于生成环境感知的查询建议。采用基于注意力机制的分层编码器-解码器模型,利用外部记忆网络,生成查询与查询相关文档之间的神经注意力向量。模型融合了查询层、会话层和文档层语义信息,与目前的研究方法相比,能生成具有更高相关性的环境感知查询建议。使用真实的商业搜索引擎查询日志进行了实验,实验结果表明了该模型的有效性。
A novel memory network model based on the semantic expansion of text is proposed to generate context-aware query suggestions.An attention-based hierarchical encoder-decoder model is employed,utilizing an external memory network to generate the neural attention vector between the query and the related document.The model fuses query-layer,session-layer,and document-layer semantic information.Compared with state-of-the-art approaches,our model can generate context-aware query suggestions with higher relevance.Extensive experiments using real commercial search engine query logs demonstrate the effectiveness of the proposed model.