5. QUERY REWRITING
作用：
- query rewriting is the task of altering a given query so that it will get better results and, more importantly, to help solve the recall problem.
- can treat it as a machine translation problem: language of user queries(S) <=> language of web documents(T)
5.1 Methodology
两个阶段：
- learning phase: learns phrase-level translations from queries to documents;
- decoding phase: generates candidates for a given query;
Learning Phase =>
此阶段存在的困难：获取大量query - 可以提高相关度的rewritten query训练数据；
困难原因：1）好的翻译模型需要超大量的双语文本；2）编辑不能很好的选择什么样的query可以提高相关性；
解决方案：
- 使用click graphs（加权无向图：queries和doc是nodes，edges代表queries和document的点击，权重是点击数）
- 使用文章title作为对应的rewritten query（因为相对于文章body，文章title与query更加相似）
- 根据得到的query-title配对，we follow the common steps for a typical phrase-based matching translation framework to learn phrase-level translations；
Decoding Phase =>
作用：
每个query（q）都有很多分词的方法得到多个phrase，而且每个phrase都有很多translation，这导致将出现成百上千的候选rewritten_query；
=》decoding phase将在这些候选词中挑出最可靠的rewritten_query（qw）；
公式：（待添加）
hi(qc,q)代表第i个feature function；λi指定该function的权重，λi可以被人工指定或者通过loss function学习得到；
特征函数：
对于每对(qc,q)，本论文包含3种类型的feature function：Query feature functions, Rewrite query feature functions, Pair feature functions；
（Query feature functions）
h1 - number of words in q；h2 - number of stop words in q；h3 - language model score of the query q；h4 - query frequency of q；h5 - average length of words in q；
（Rewrite query feature functions）
h6 - number of words in qc；h7 - number of stop words in qc；h8 - language model score of the query qc；h9 - query frequency of qc；h10 - average length of words in qc；
（Pair feature functions）
h11 - Jaccard similarity of URLs shared by q and qc in the query-URL graph；
h12 - difference between the frequencies of q and qc；
h13 - word-level cosine“余弦” similarity between q and qc；
h14 - difference between the number of words between q and qc；
h15 - number of common words in q and qc；
h16 - difference of language model scores between q and qc；
h17 - difference of the number of stop words between q and qc；
h18 - difference of the average length of words between q and qc；
=》经实验，发现h11, h12, h13是最重要的三个feature functions；
5.2 Ranking Strategy
根据original query和rewritten query，有两种排序策略：
Replace the original query with the rewritten query （未采用）=>
评估：直接采用replace的方式很冒险，一些低质量的rewrites会对相关度造成负面影响；
Blending mode（采用） =>
方法：
1）分别使用original query（q）和rewritten query（qc）从搜索引擎中获取top-N个文档，并记录下两次获得的文档的序列和分值（O， R）；
2）从O和R中取交集：若文档D同时出现在O和R中，D的最终分数未max(O, R)；
3）在此基础上根据各文档的分值进行排序，选择top-N作为original query搜索的最终结果；
两种排序策略的评估：
两种方法都能对tail query的搜索相关度进行显著的提高；
但是由于rewritten query可能改变original query的目的，Replace策略的结果不如Blending Mode的好；