Learn-to-Rank или как научить бездушную машину хорошо искать

2019-07-24 - Роман Гребенников | NLP и Learn-to-Rank

Ввел поисковый запрос - получил идеальный список результатов, чего уж тут проще? Но ведь сам текст поискового запроса это далеко не единственное, что может быть известно в момент нажатия на кнопку “поиск”: разные люди в разном контексте могут быть заинтересованы совсем в разных вещах, даже если ввели одно и то же.

Можно городить пирамиду из if-else-if-else, чтобы получить идеальное ранжирование результатов в вакууме, а можно послушать этот доклад, в котором мы обсудим алгоритмы Learn-to-Rank, позволяющие обучить бездушную машину неявным зависимостям в поведении пользователей и ранжировать по-разному в зависимости от текущего контекста.

Благодаря опыту простреливания далеко не одной ноги в области создания поисковой системы для 1500 онлайн-магазинов, мы ответим на следующие вопросы:

• влияет ли релевантность поиска на продажи,
• почему скорость реакции алгоритма на внешние события так важна (и как её уменьшить, если ты не гугл),
• что делать, если люди тыкают на первые результаты потому что они первые, а не потому что они хорошие,
• как использовать модель, обученную на магазине по продаже дилдо, для ранжирования товаров в магазине детских игрушек?.