COINS：基于语义 ID 混合对齐的冷启动商品表示增强技术用于电商搜索点击-through率预测
信息检索
2026-01-16 v4 人工智能
摘要
随着现代搜索和推荐平台的兴起，冷启动商品的协同信息不足加剧了既有平台商品的马太效应，挑战了平台的多样性，成为长期存在的问题。现有方法通过对齐商品的侧内容与协同信息来将来自高流行商品的协同信号传递给冷启动商品。然而，这些方法未能考虑协同与内容之间的不对称性，以及商品之间细粒度差异的差异。为解决这些问题，我们提出了 COINS，这是一种基于语义 ID 混合对齐的商品表示增强方法。具体而言，我们使用 RQ-OPQ 编码对商品内容和协同信息进行量化，随后进行两步对齐：RQ 编码在商品之间传递共享协同信号，而 OPQ 编码学习商品的差异化信息。对大规模工业数据集上的全面离线实验表明 COINS 的优越性，严格的在线 A/B 测试确认了显著的统计性改进：商品点击-through率提升 1.66%，买家提升 1.57%，订单量提升 2.17%。
关键词
引用
@article{arxiv.2510.12604,
title = {COINS: SemantiC Ids Enhanced COLd Item RepresentatioN for Click-through Rate Prediction in E-commerce Search},
author = {Qihang Zhao and Zhongbo Sun and Xiaoyang Zheng and Xian Guo and Siyuan Wang and Zihan Liang and Mingcan Peng and Ben Chen and Chenyi Lei},
journal= {arXiv preprint arXiv:2510.12604},
year = {2026}
}
备注
Accepted by WWW26