网络规模如何重塑搜索与数据挖掘难题

本文探讨网络数据规模对传统搜索技术的挑战,重点分析电子商务搜索中的客户满意度预测、语音搜索优化以及机器学习在意图识别中的应用,涉及WSDM会议的前沿研究方向和技术解决方案。

某中心在WSDM:网络规模如何使传统问题焕发新机

某中心科学家兼会议联合主席Liane Lewin-Eytan与David Carmel探讨数据上线后带来的变革。

会议:WSDM 2021

今年ACM网络搜索与数据挖掘会议(WSDM)的三位联合主席中,有两位来自某中心语音购物部门以色列海法办公室的应用科学家:应用研究高级经理Liane Lewin-Eytan和首席应用科学家David Carmel。

尽管因疫情被迫转为线上会议,担任联合主席使两位科学家获得了观察会议全貌的独特视角。Carmel指出:“这是一个相对年轻的会议,始于2008年。近年来最明显的趋势之一是对电子商务搜索的兴趣增长——不仅包括商品搜索,还涉及商品问答、属性讨论等新应用方向。”

另一个新兴领域是健康数据研究。Lewin-Eytan补充道:“当特定领域开始将结构化与非结构化数据上线并向用户开放时,就会催生领域专用的网络挖掘技术,推动该领域的创新。”

客户满意度评估难题

在语音购物场景中,标准搜索排序方法(基于历史点击行为)面临根本性挑战。Lewin-Eytan解释道:“用户对商品会采取不同行动——加入购物车、实际购买等。但交易行为不能作为满意度的唯一信号,因为语音搜索通常只展示单个结果,导致可收集数据量极大减少。”

研究团队通过机器学习模型预测用户对未展示商品的潜在反应,并致力于区分用户的"娱乐性查询"与" actionable意图"。Carmel强调:“WSDM的独特之处在于每篇论文都以其对网络用户的价值作为评判标准,这与某中心以客户为中心的理念高度契合。”

“当特定领域与网络结合时,会激发该领域的创造力和创新动力。” —— Liane Lewin-Eytan

研究领域:搜索与信息检索
标签:数据挖掘,WSDM

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计