用于电商检索中查询意图分类的多粒度匹配注意力网络

查询意图分类旨在帮助客户找到所需商品，已成为电商搜索的重要组成部分。现有查询意图分类模型要么设计更精细的模型以增强查询的表示学习，要么探索标签图与多任务以促进模型学习外部信息。然而，这些模型无法从查询与类目中捕获多粒度匹配特征，难以缓解非正式查询与类目间表达上的鸿沟。本文提出一种多粒度匹配注意力网络（MMAN），包含自匹配模块、字符级匹配模块与语义级匹配模块三个模块，以从查询及查询-类目交互矩阵中全面提取特征。由此，模型可消除查询与类目间表达差异，用于查询意图分类。我们进行了大量离线与在线 A/B 实验，结果表明 MMAN 显著优于强基线，展现了其优越性与有效性。MMAN 已部署于生产环境，并为公司带来巨大商业价值。