Явная проблема решаемая этим продуктом

Показать как мы это решим

Явная выгода в деньгах:

Хочу также? все используют и мне надо:



Теория - кому? Студентам?

Нейронные модели ранжирования для поиска документов

Модели ранжирования являются основными компонентами информационно-поисковых систем.
Эти модели проходят сквозную подготовку для извлечения функций из необработанных данных для ранжирования задач, чтобы преодолеть ограничения функций, созданных вручную. 
модель ранжирует документы, используя функции как из запроса, так и из документов.

Сверточная нейронная сеть (CNN)

извлекает функции из данных, определяя набор фильтров или ядер, которые пространственно соединяют локальные области. По сравнению с плотными сетями каждый нейрон связан только с небольшим количеством нейронов, а не со всеми нейронами предыдущего слоя. Такой дизайн значительно уменьшает количество параметров в модели. Кроме того, веса в фильтрах CNN распределяются между несколькими локальными областями для ввода, и это еще больше уменьшает количество параметров.

Рекуррентная нейронная сеть (RNN)

изучает особенности и долгосрочные зависимости из последовательных данных и данных временных рядов. RNN последовательно считывает входную последовательность, чтобы создать скрытое состояние в каждой метке времени. Эти скрытые состояния можно рассматривать как ячейки памяти, в которых хранится информация о последовательности. 

Блок-схема поиска документов на основе нейронного ранжирования

Входными данными для нейронной модели ранжирования являются обработанный запрос и документы-кандидаты, полученные на этапе традиционного ранжирования. Конечным результатом модели нейронного ранжирования является ранжирование релевантных документов запросу пользователя.
Например, модель глубокой нейронной сети можно использовать для независимого сопоставления запроса и документов с векторами признаков, а затем с использованием извлеченных признаков рассчитывается показатель релевантности.





Поиск и ранжирование наиболее полезной информации из коллекции документов