【发布时间】：2021-06-03 02:34:31
【问题描述】：
我们正在构建一个搜索引擎，在其中我们从用户那里获得检索到的查询结果的相关性分数（1 到 5）。此外，我们希望利用反馈（具有相关性分数的结果）来改进查询结果。
到目前为止，我们已经构建了第一部分，即基于 BERT 的相似性搜索模型。现在，我们希望构建第二部分。大家有什么想法欢迎交流。
【问题讨论】：
标签： python-3.x machine-learning python-embedding
【发布时间】：2021-06-03 02:34:31
【问题描述】：
嗯，据我从您的描述中了解到，您已经对文档进行了 BERT 编码，当用户输入任何查询时，您 BERT 对其进行编码并找到与查询相关的类似文档。
每当您执行相似性搜索操作时，根据您要检索多少个文档的配置，您会得到多个结果。假设您有返回 10 个类似于用户查询的文档的设置。现在，如果用户已将其与第三个文档高度相关。下次您可能希望将该文档显示给第一个而不是第三个。
在这种情况下，您可以在数据库中维护一个表，其中每个文档也包含分数。每当搜索引擎根据查询检索到文档时，您都会检查检索到的文档的相关性分数，并根据相关性重新排列并显示给用户。
【讨论】：
-
谢谢。感谢您的回答，但我想这会增加整个系统的时间复杂度。你知道任何可以帮助我们减轻任务的工具（例如，基于机器学习的）或算法（例如，Rocchio 算法）吗？