专栏首页Soul Joy Hub《搜索和推荐中的深度匹配》——1.1搜索和推荐

《搜索和推荐中的深度匹配》——1.1搜索和推荐

随着Internet的快速发展,当今信息科学的基本问题之一变得更加重要,即如何从通常庞大的信息库中识别满足用户需求的信息。目的是在正确的时间,地点和环境下仅向用户显示感兴趣和相关的信息。如今,两种类型的信息访问范例,即搜索和推荐,已广泛用于各种场景中。

在搜索中,首先会对文档(例如Web文档,Twitter帖子或电子商务产品)进行预处理并在搜索引擎中建立索引。此后,搜索引擎从用户那里进行查询(多个关键字)。该查询描述了用户的信息需求。从索引中检索相关文档,将其与查询匹配,并根据它们与查询的相关性对其进行排名。例如,如果用户对有关量子计算的新闻感兴趣,则查询“量子计算”将被提交给搜索引擎,并获得有关该主题的新闻报道。

与搜索不同,推荐系统通常不接受查询。取而代之的是,它分析用户的个人资料(例如,人口统计信息和环境)以及商品的历史互动,然后向用户推荐商品。用户特征和项目特征被预先索引并存储在系统中。根据用户对它们感兴趣的可能性对项目进行排名。例如,在新闻网站上,当用户浏览并单击新文章时,可能会显示几条具有相似主题的新闻文章或其他用户与当前文章一起单击的新闻文章。

表1.1总结了搜索和推荐之间的区别。搜索的基本机制是“拉”,因为用户首先发出特定的请求(即提交查询),然后接收信息。推荐的基本机制是“推送”,因为向用户提供了他们没有明确要求的信息(例如,提交查询)。这里的“受益人”是指在任务中要满足其利益的人。在搜索引擎中,通常仅根据用户需求创建结果,因此受益者是用户。在推荐引擎中,结果通常需要使用户和提供者都满意,因此受益者都是他们。但是,最近这种区别变得模糊了。例如,某些搜索引擎将搜索结果与付费广告混合在一起,这对用户和提供者都有利。至于“偶然性”,这意味着常规搜索更多地关注明显相关的信息。另一方面,常规建议可以提供意想不到但有用的信息。

表1.1:搜索和推荐的信息提供机制

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 《搜索和推荐中的深度匹配》——1.2 搜索和推荐中匹配统一性

    Garcia-Molina等【1】指出,搜索和推荐中的根本问题是识别满足用户信息需求的信息对象。还表明搜索(信息检索)和推荐(信息过滤)是同一枚硬币的两个方面,...

    用户1621453
  • 推荐系统和搜索引擎的关系

    作者:陈运文,博士,达观数据CEO;中国知名大数据技术专家,国际计算机学会(ACM)会员,中国计算机学会(CCF)高级会员,复旦大学计算机博士和杰出毕业生;在国...

    机器学习AI算法工程
  • 搜索和推荐的公平性方面 (CS IR)

    最近的几项研究强调了搜索和推荐系统是如何在不同层面表现出偏见。抵制这种偏见,并在搜索中带来一定的公平性,不仅能创造一个考虑相关性和多样性的更加平衡的环境,而且对...

    Antonia
  • 文本获取和搜索引擎之推荐系统

    推荐系统即把恰当的内容推送给用户,类似于在一系列文档中过滤出用户想要的。一般有两种方式:

    爬蜥
  • 工具推荐|GetSploit 搜索和下载漏洞利用

    Getsploit - 受searchsploit启发的Vulners数据库的命令行搜索和下载工具。

    陈殷
  • 搜索和在线阅读 Github 代码的插件推荐

    上一篇文章 推荐了 3 个 Github 相关的项目,这次继续推荐 3 个项目,严格说是 3 个插件,主要是帮助搜索 Github 项目和在线阅读代码的插件。

    kbsc13
  • 深度学习在视觉搜索和匹配中的应用

    深度学习是一个了不起的方法,用于遥感数据集,如卫星或航空照片的目标检测和分割/匹配。然而,就像深度学习的许多其应用场景一样,获得足够的带标注的训练数据可能会耗费...

    CV君
  • 深度学习模型实战-深度学习模型在各大公司实际生产环境的应用讲解文章

    仓库地址:https://github.com/DA-southampton/Tech_Aarticle/edit/master/README.md

    致Great
  • 【深度好文】推荐系统中的深度匹配模型

    关于作者 辛俊波,腾讯算法数据中心\应用算法组 导语I推荐系统和搜索应该是机器学习乃至深度学习在工业界落地应用最多也最容易变现的场景。而无论是搜索还是推荐,本...

    腾讯大讲堂

扫码关注云+社区

领取腾讯云代金券