CardRewriter：利用知识卡片进行短视频平台长尾查询重写
信息检索
2025-10-14 v1 计算与语言
摘要
短视频平台正在迅速成为新的一类信息检索系统，用户 formulating 查询以访问所需视频。然而，用户查询，尤其是长尾查询，常常存在拼写错误、措辞不完整和意图模糊，导致用户期望与检索结果之间存在不匹配。虽然大型语言模型(LLMs)在电子商务中的长尾查询重写方面显示出成功，但在短视频平台上却难以应对，其中专有内容（如短视频、直播、微剧目和用户社交网络）超出其训练分布。为解决这一挑战，我们引入了CardRewriter，一个基于LLM的框架，融合领域特定知识以增强长尾查询重写。对于每个查询，我们的方法汇聚与查询相关的多源知识，并将其总结为信息丰富且与查询相关的知识卡。该卡片随后指导LLM更好地捕捉用户意图并产生更有效的查询重写。我们采用两阶段训练管道：监督微调 followed by group relative policy optimization，配以平衡查询相关性和检索效果的定制奖励系统。离线实验表明，CardRewriter显著提高了针对专有内容查询的重写质量。线上A/B测试进一步确认了长观看率(LVR)和点击率(CTR)的显著提升，以及初始查询改写率(IQRR)的显著下降。自2025年9月起，CardRewriter已在中国最大的短视频平台之一快手上部署，为每日服务数亿用户。
引用
@article{arxiv.2510.10095,
title = {CardRewriter: Leveraging Knowledge Cards for Long-Tail Query Rewriting on Short-Video Platforms},
author = {Peiyuan Gong and Feiran Zhu and Yaqi Yin and Chenglei Dai and Chao Zhang and Kai Zheng and Wentian Bao and Jiaxin Mao and Yi Zhang},
journal= {arXiv preprint arXiv:2510.10095},
year = {2025}
}