本文为中国人民大学联合 BOSS 直聘提出的基于动态搜索流的用户个性化搜索输入提示模型。目前，该论文已被信息检索和数据挖掘领域国际会议 CIKM 2022 接收。

论文标题：

Personalized Query Suggestion with Searching Dynamic Flow for Online Recruitment

收录会议：

CIKM 2022

图片

在这个互联网信息指数增长的时代，使用查询建议技术来帮助用户在在线搜索过程中清楚地表达需求，对搜索引擎来说变得越来越重要。一个好的查询建议系统需要能够准确地理解和建模每个查询背后的用户搜索意图，这离不开利用动态的用户反馈行为和丰富的上下文信息进行个性化查询建议。

 

在本研究中，我们提出了动态搜索流模型（DSFM），这是一个查询建议框架，能够利用动态流机制在互联网求职招聘场景中逐步建模和细化用户搜索意图。

 

模型首先引入了局部流和全局流的概念，分别用于捕获用户的实时意图和会话的整体意图；其次，通过利用简历和职位要求中包含的丰富语义信息，DSFM 实现了查询建议的个性化；此外，我们在训练过程中引入加权对比学习，产生了更广泛的有针对性的查询样本，缓解曝光偏差问题；同时，注意力机制的采用也使得我们能够选择最相关的信息构成最终的会话表示；最后，在真实数据集上的大量实验结果证明了我们提出的方法在在线招聘平台查询建议任务中的有效性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除