Extraction des tâches de recherche dans des journaux de requêtes à l'aide d'une architecture de regroupement profond récurrent

Luis Lugo
Jose G Moreno
Gilles Hubert
DOI
10.24348/coria.2021.mini_13
Résumé

L’extraction des tâches de recherche est cruciale pour les applications prenant en charge de multiples utilisateurs, comme la recommandation de requêtes, la prédiction de termes de recherche et le classement des résultats en fonction des tâches de recherche. La plupart des méthodes d’extraction de tâches de recherche existantes utilisent des modèles graphiques ou non paramétriques, qui ont un coût computationnel croissant à mesure que la taille du journal des requêtes augmente. Les méthodes de regroupement profond offrent une alternative paramétrique, mais la plupart des architectures actuelles n’exploitent pas les réseaux neuronaux récurrents pour l’apprentissage des représentations de données textuelles. Nous proposons ainsi un modèle de regroupement profond récurrent pour l’extraction des tâches de recherche à partir des journaux de requêtes.