Информационный поиск: прикладные задачи оптимизации

Я расскажу о двух важных и во многом нерешенных задачах оптимизации, которые встают перед разработчиками поисковых систем и которые связаны с извлечением информации из кликов пользователей по результатам поиска. Первая из них - это онлайн-обучение ранжирования результатов для относительно частотных запросов. Вторая - это интерпретация кликов и скипов при обучении персонализированного поиска. В каждой из задач предполагается, что у нас есть достаточно богатый набор различных факторов - функций от пары (запрос, документ) - которые несут ту или иную информацию о способности данного документа удовлетворить пользователя, задавшего данный запрос. Нужно оптимальным образом учитывать эти факторы при построении алгоритма ранжирования с помощью того или иного метода машинного обучения. Попутно я постараюсь объяснить все эти детали, которые нужны для понимания доклада.