Извлечение объектов из поисковых запросов
This presentation is the property of its rightful owner.
Sponsored Links
1 / 24

Извлечение объектов из поисковых запросов PowerPoint PPT Presentation


  • 167 Views
  • Uploaded on
  • Presentation posted in: General

Извлечение объектов из поисковых запросов. Михаил Обухов, Михаил Долинин. Что такое объекты?. ООО « Мэйл.Ру ». Названия организаций Имена людей Названия должностей Адреса Названия программ и т.д. Яхрома. 15-18 февраля 2012 г. ISBN: 978-1405187848. ГОСТ 2.001-93.

Download Presentation

Извлечение объектов из поисковых запросов

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


2845551

Извлечение объектов из поисковых запросов

Михаил Обухов,

Михаил Долинин


2845551

Что такое объекты?

ООО «Мэйл.Ру»

  • Названия организаций

  • Имена людей

  • Названия должностей

  • Адреса

  • Названия программ

  • и т.д.

Яхрома

15-18 февраля 2012 г.

ISBN:978-1405187848

ГОСТ 2.001-93


2845551

детский нафтизин инструкция

Справочники

Парсер запросов


2845551

Для чего нужны объекты?

  • Классификация поисковых запросов

  • Вопросно-ответные задачи

  • Переформулировки

  • Индексация

  • Обогащение поисковых запросов


2845551

Задача

Лог поисковых запросов

NEX*

Объекты

Парсинг запросов

Индексация

*NEX – Named Entity eXtraction


2845551

Какие решения существуют?

  • Машинное обучение

    • Классификаторы (Naïve Bayes, ME Models, …)

    • Последовательные модели (HMM, CRF, …)

  • Системы основанные на правилах

    • Ручное составление

    • Автоматическое

  • Использование онтологий

    • Wikipedia, DbPedia

    • Imdb


2845551

Особенности поисковых запросов

  • Малая длина (в среднем 3слова)

  • Слабая грамматическая структура

  • Не являются текстом на ЕЯ

  • Отражают потребности пользователей

Купить квартиру бесплатно

Е мобиль когда начнут продавать

Мать и сын

Кино где купить

История происхождения шотландских вислоухих


2845551

Основные предположения

  • Объекты одного типа встречаются в одинаковых контекстах

  • Объект является самостоятельным поисковым запросом


2845551

Общая структура метода

Фаза извлечения шаблонов

Лог запросов

Шаблоны

Seed

Лог запросов

Лог запросов

Фаза генерации объектов

Лог запросов

Фаза генерации объектов

Фаза извлечения объектов

Объекты


2845551

Фаза извлечения шаблонов

Фаза извлеченияшаблонов

Лог запросов

Шаблоны

Seed

Лог запросов

Лог запросов

Фаза генерации объектов

Лог запросов

Фаза генерации объектов

Фаза извлечения объектов

Объекты


2845551

Фаза извлечения шаблонов

  • Исходные данные:

    • Лог поисковых запросов

    • Начальный список шаблонов (1-2 шаблона)

  • Результат: список шаблонов с весами


2845551

Шаг 1:извлечение начальных объектов

  • Для каждого запроса из лога

    • Пробуем извлечь объект

    • Если получилось, сохраняем

  • Очистка извлеченных объектов

    • Не встречающихся как самостоятельный запрос

смотреть <название>

смотреть сериал <название>\d+ сезон \d+ серия онлайн бесплатно в хорошем качестве

Начальные шаблоны должны быть точными!


2845551

Шаг 2: извлечение кандидатов

  • Для каждого начального объекта

    • Из каждого запроса, где он встречается

    • Создаем шаблон

смотреть сериал счастливы вместе онлайн серия 2

смотреть сериал <название>онлайн серия \d+


2845551

Шаг 3: Взвешивание кандидатов

  • Рассчитываем вес для каждого кандидата

  • Удаляем кандидатов имеющих низкий вес

кол-во извлеченных начальных объектов

Полнота (кандидат) =

общее кол-во начальных объектов

кол-во извлеченных доверенных*объектов

Точность (кандидат) =

общее кол-во извлеченных объектов

*Доверенный – объект извлеченный N и более различными шаблонами


2845551

сериал (.+) \d+ сезон смотреть онлайнбесплатно:0.95

сериал (.+) \d+ сезон \d+ серия смотреть онлайн:0.93

(.+) \d+ сезон смотреть онлайн:0.90

(.+)смотреть:0.07

скачать (.+):0.03


2845551

Фаза извлечения объектов

Фаза извлечения шаблонов

Лог запросов

Шаблоны

Seed

Лог запросов

Лог запросов

Фаза генерации объектов

Лог запросов

Фаза генерации объектов

Фаза извлеченияобъектов

Объекты


2845551

Фаза извлечения объектов

  • Исходные данные:

    • Лог поисковых запросов

    • Список шаблонов (полученный ранее)

  • Результат: список объектов с весами


2845551

Шаг 1: извлечение кандидатов

  • Для каждого шаблона из списка

    • Сохраняем все объекты, которые он может извлечь

  • Очистка извлеченных объектов

    • Не встречающихся как самостоятельный запрос

    • Не частотные объекты

    • Содержащие слова из списка шаблонов


2845551

Шаг 2: Взвешивание объектов

  • Рассчитываем вес для каждого объекта в списке

  • Удаляем объекты имеющие низкий вес

Log(сколько раз объект был извлечен)

Вес (объект) =

Log(кол-во уникальных запросов содержащих объект)


2845551

Метод оценки результата

  • Точность первых N объектов (10, 50, 100 …)

  • Точность случайной выборки (100)


2845551

Результаты:


2845551

Достоинства и недостатки

  • Достоинства

    • Простая реализация

    • Масштабируемость

    • Хорошая точность

  • Недостатки

    • Требует ручного вмешательства (начальный список шаблонов)

    • Требует задания порогов


2845551

СПАСИБО! ВОПРОСЫ?

Михаил [email protected]

Михаил Долинин

[email protected]


  • Login