面向电商分类法的语义查询分类的链条思考方法
信息检索
2026-01-05 v1 计算与语言
摘要
电商搜索的核心由结构化库存表示驱动，通常表述为类别分类法。电商中一个重要能力是选择一组与给定用户查询在语义上对齐的相关叶子类别。就此而言，我们解决了电商分类法中的搜索查询分类的基础问题。正确的查询分类不仅提供了进入正确库存空间的途径，还为查询的多意图理解能力打开了大门。在实际应用中，此问题的实用且准确的解决方案具有诸多应用场景，包括限制检索项目、提高搜索结果的相关性。针对此任务，我们探索了一种新颖的链条思考（Chain-of-Thought, CoT）方法，将简单树搜索与 LLM 语义评分结合。我们对其在人工标注的查询-类别对、相关性测试和 LLM 基于参考方法上的分类性能进行评估，发现 CoT 方法优于基于嵌入的查询类别预测基准。我们展示了 CoT 方法如何检测层次结构分类法中的问题。最后，我们还提出了一些规模更好的 LLM 基于查询分类的方法，同样具有这种精神。
引用
@article{arxiv.2601.00510,
title = {A Chain-of-Thought Approach to Semantic Query Categorization in e-Commerce Taxonomies},
author = {Jetlir Duraj and Ishita Khan and Kilian Merkelbach and Mehran Elyasi},
journal= {arXiv preprint arXiv:2601.00510},
year = {2026}
}
备注
9 pages, accepted at SIGIR eCom 2025