淘宝搜索中基于嵌入的商品检索
信息检索
2021-06-18 v1
摘要
如今，电商平台的商品搜索服务已成为人们生活中重要的购物渠道。商品的检索阶段决定了搜索系统的质量，并逐渐引起研究者的关注。从大规模语料中检索最相关商品的同时保留个性化用户特征仍是一个开放问题。该领域近期的方法主要关注基于嵌入的检索（EBR）系统。然而，在淘宝长期实践后，我们发现EBR系统的性能因以下原因严重退化：(1) 与给定查询的相关性低；(2) 训练与推理阶段之间存在不一致。因此，我们提出了一种新颖且实用的基于嵌入的商品检索模型，称为多粒度深度语义商品检索（MGDSPR）。具体而言，我们首先识别出训练与推理阶段的不一致，然后使用softmax交叉熵损失作为训练目标，取得了更好的性能和更快的收敛。进一步提出了两种高效方法来提升检索相关性，包括平滑含噪训练数据，以及无需额外知识和训练过程即可生成提升相关性的难负样本。我们在淘宝商品搜索上评估了MGDSPR，离线实验和在线A/B测试均观察到显著指标提升。MGDSPR已成功部署到淘宝搜索现有的多通道检索系统中。我们还介绍了在线部署方案，并分享了检索系统的实践经验以贡献于社区。
引用
@article{arxiv.2106.09297,
title = {Embedding-based Product Retrieval in Taobao Search},
author = {Sen Li and Fuyu Lv and Taiwei Jin and Guli Lin and Keping Yang and Xiaoyi Zeng and Xiao-Ming Wu and Qianli Ma},
journal= {arXiv preprint arXiv:2106.09297},
year = {2021}
}
备注
9 pages, accepted by KDD2021