DeepCAT：面向电商搜索中查询理解的深度类别表示
信息检索
2021-05-11 v2 计算与语言
机器学习
摘要
将搜索查询映射到产品分类法中的一组相关类别是电商搜索中的一大挑战，原因有二：1）由于有偏点击行为，训练数据呈现严重的类不平衡问题；2）缺乏客户反馈的查询（如长尾查询）在训练集中代表性不足，导致查询理解困难。为解决这些问题，我们提出一种深度学习模型 DeepCAT，其学习联合词-类别表示以增强查询理解过程。我们认为学习类别交互有助于提升少数类、长尾与中部查询上的类别映射性能。DeepCAT 包含一种新颖的词-类别表示模型，基于训练集中的词-类别共现训练类别表示。该类别表示随后被用于引入新的损失函数，以估计类别-类别共现来精炼联合词-类别嵌入。为证明我们的模型在少数类别与长尾查询上的有效性，我们进行了两组实验。结果表明，相较于最先进的标签嵌入模型，DeepCAT 在少数类上提升 10%，在长尾查询上提升 7.1%。我们的发现为通过分类法层级的语义建模改进电商搜索指明了一个有前景的方向。
引用
@article{arxiv.2104.11760,
title = {DeepCAT: Deep Category Representation for Query Understanding in E-commerce Search},
author = {Ali Ahmadvand and Surya Kallumadi and Faizan Javed and Eugene Agichtein},
journal= {arXiv preprint arXiv:2104.11760},
year = {2021}
}