面向高度尾部知识密集型查询的镜像数据驱动产品检索

产品检索是电商搜索的基石：对于每个用户查询，它从数十亿商品中识别出高召回率的候选集，为后续的高质量排序和用户体验奠定基础。尽管对主流查询进行了大量优化，现有系统在处理长尾查询，尤其是知识密集型查询时仍面临挑战。这些查询表现出多样化的语言模式，往往缺乏明确的购买意图，需要针对特定领域的知识进行推理才能准确理解。它们也因可靠行为日志短缺而持续受挑战，成为检索优化的持久难题。为此，我们提出了一个针对涉及长尾、知识密集型查询的检索任务的高效数据合成框架。核心思想是隐式地将强大的离线查询重写模型的能力蒸馏到高效的在线检索系统中。利用大语言模型（LLM）的强大语言理解能力，我们训练一个多候选查询重写模型，吸收多个奖励信号，并通过强大的离线检索管道捕获其重写能力于精心筛选的查询-商品对中。该设计缓解了重写查询可能导致的分布迁移，这种迁移可能限制召回增益或引入不相关商品。实验表明，仅凭将此类合成数据纳入检索模型训练，即可显著提升性能。线上 A/B 测试人类评估结果显示，用户搜索体验得到显著提升。