查询推荐技术已经成为信息检索的基础技术之一，它广泛应用于网页搜索、商品搜索、问答搜索（如知乎、百度知道、维基知道等）等互联网服务中，成为用户获得信息的重要途径之一。通过查询推荐，用户可以更准确、更快捷地描述查询意图，从而获得更好的体验。
一直以来，查询推荐的研究主要集中在通用信息检索场景，而较少关注社会化问答平台场景下的用户信息行为和信息需求的特殊性。
本书以用户问答查询推荐，即“在用户输入少量关键词的条件下，自动分析用户的潜在提问意图，并为用户推荐相关的自然语言问句”，这一新的研究课题为主线，结合当前流行的深度学习技术，从合成数据生成、基于搜索的路径、基于生成的路径和推荐结果多样化四个方面上展开了深入的探讨。
本书回答了以下问题，“什么是用户问答查询推荐”“用户问答查询推荐面临哪些挑战，有哪些解决路径”“哪些深度学习技术可被用于用户问答查询推荐研究”“如何使用深度学习技术解决用户查询推荐研究的障碍”。
目 录
1 用户问答查询推荐研究：起源、挑战和路径 （ 1 ）
1.1 用户问答查询推荐是什么 （ 1 ）
1.2 解决路径与挑战 （ 3 ）
1.3 深度学习时代的用户问答查询推荐研究 （ 8 ）
2 合成数据生成方法 （ 10 ）
2.1 概述 （ 10 ）
2.2 关键词查询生成 （ 11 ）
2.3 数据处理与实验设置 （ 16 ）
2.4 实验结果 （ 19 ）
3 基于搜索的用户问答查询推荐 （ 25 ）
3.1 概述 （ 25 ）
3.2 N元卷积匹配神经网络 （ 26 ）
3.3 数据集构建 （ 33 ）
3.4 实验设置 （ 38 ）
3.5 实验结果 （ 42 ）
4 基于生成的用户问答查询推荐 （ 45 ）
4.1 概述 （ 45 ）
4.2 合成数据过滤器 （ 47 ）
4.3 神经翻译模型 （ 49 ）
4.4 数据与实验 （ 57 ）
4.5 结果评价与分析 （ 65 ）
5 用户问答查询推荐结果多样化 （ 73 ）
5.1 概述 （ 73 ）
5.2 多样化算法 （ 75 ）
5.3 实验设置 （ 82 ）
5.4 结果分析 （ 85 ）
参考文献 （ 88 ）
后 记 （ 95 ）
