Instacart基于嵌入的杂货搜索模型
计算与语言
2022-09-14 v1 信息检索
摘要
电商搜索的关键在于如何最佳利用庞大却含噪的日志数据。在本文中,我们呈现用于Instacart杂货搜索的基于嵌入的模型。该系统以双塔基于Transformer的编码器架构学习查询与商品表示。为应对冷启动问题,我们聚焦于基于内容的特征。为在含噪数据上高效训练模型,我们提出一种自对抗学习方法与级联训练方法。在离线人工评估数据集上,我们在RECALL@20取得10%的相对提升;在线A/B测试中,取得每次搜索加购量(CAPS)4.1%与商品交易总额(GMV)1.5%的提升。我们描述了如何训练与部署该基于嵌入的搜索模型,并给出我们方法有效性的详细分析。
引用
@article{arxiv.2209.05555,
title = {An Embedding-Based Grocery Search Model at Instacart},
author = {Yuqing Xie and Taesik Na and Xiao Xiao and Saurav Manchanda and Young Rao and Zhihong Xu and Guanghua Shu and Esther Vasiete and Tejaswi Tenneti and Haixun Wang},
journal= {arXiv preprint arXiv:2209.05555},
year = {2022}
}
备注
Accepted by SIGIR eCom, July 15, 2022