通过多模态融合与面向目标的辅助任务推进电商搜索中的重排序
信息检索
2024-08-13 v1 计算机视觉与模式识别
摘要
在快速发展的电商领域，搜索重排序模型的有效性对于提升用户体验和推动转化率至关重要。尽管在特征表示和模型架构方面取得了显著进展，但多模态信息的整合仍未被充分探索。本研究通过解决这一空白，调查了重排序情境下文本信息和视觉信息的计算与融合。我们提出通过多模态融合与面向目标的辅助任务推进重排序（ARMMT），它整合了基于注意力的多模态融合技术和面向排序的辅助任务，以增强商品表征并提升目标定位能力。该方法不仅丰富了对商品属性的理解，还实现了更精确和个性化的推荐。在 JD.com 搜索平台上的实验评估表明，ARMMT 在多模态信息整合方面取得了最先进性能，体现在转化率（CVR）提升 0.22%，对商品交易总额（GMV）做出了显著贡献。这一开创性方法有望革新电商重排序，带来更高的用户满意度和业务增长。
引用
@article{arxiv.2408.05751,
title = {Advancing Re-Ranking with Multimodal Fusion and Target-Oriented Auxiliary Tasks in E-Commerce Search},
author = {Enqiang Xu and Xinhui Li and Zhigong Zhou and Jiahao Ji and Jinyuan Zhao and Dadong Miao and Songlin Wang and Lin Liu and Sulong Xu},
journal= {arXiv preprint arXiv:2408.05751},
year = {2024}
}