Извлечение объектов из поисковых запросов
Download
1 / 24

Извлечение объектов из поисковых запросов - PowerPoint PPT Presentation


  • 210 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.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha

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


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


детский нафтизин инструкция

Справочники

Парсер запросов


Для чего нужны объекты?

  • Классификация поисковых запросов

  • Вопросно-ответные задачи

  • Переформулировки

  • Индексация

  • Обогащение поисковых запросов


Задача

Лог поисковых запросов

NEX*

Объекты

Парсинг запросов

Индексация

*NEX – Named Entity eXtraction


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


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


Основные предположения

  • Объекты одного типа встречаются в одинаковых контекстах

  • Объект является самостоятельным поисковым запросом


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


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


Фаза извлечения шаблонов

  • Исходные данные:

    • Лог поисковых запросов

    • Начальный список шаблонов (1-2 шаблона)

  • Результат: список шаблонов с весами


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!


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+


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


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


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


Фаза извлечения объектов

  • Исходные данные:

    • Лог поисковых запросов

    • Список шаблонов (полученный ранее)

  • Результат: список объектов с весами


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


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)


Метод оценки результата

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

  • Точность случайной выборки (100)


Результаты:


Достоинства и недостатки

  • Достоинства

    • Простая реализация

    • Масштабируемость

    • Хорошая точность

  • Недостатки

    • Требует ручного вмешательства (начальный список шаблонов)

    • Требует задания порогов


СПАСИБО! ВОПРОСЫ?

Михаил Обуховobuhov@corp.mail.ru

Михаил Долинин

dolinin@corp.mail.ru


ad
  • Login