Facebook 搜索中基于嵌入的检索
信息检索
2020-07-31 v2
摘要
在 Facebook 等社交网络中的搜索面临着不同于经典网页搜索的挑战：除了查询文本外，考虑搜索者的上下文以提供相关结果也很重要。其社交图是该上下文不可分割的一部分，也是 Facebook 搜索的独特之处。尽管基于嵌入的检索（EBR）在网页搜索引擎中已应用多年，Facebook 搜索仍主要基于布尔匹配模型。在本文中，我们讨论了将 EBR 应用于 Facebook 搜索系统的技术。我们介绍了为个性化搜索建模语义嵌入而开发的统一嵌入框架，以及基于倒排索引在典型搜索系统中提供基于嵌入的检索的系统。我们讨论了关于整个系统端到端优化的各种技巧与经验，包括 ANN 参数调优和全栈优化。最后，我们展示了在两个选定的建模高级主题上的进展。我们在 Facebook 搜索的各个垂直领域上评估了 EBR，在线 A/B 实验中观察到显著的指标提升。我们相信本文将提供有益的见解与经验，帮助人们在搜索引擎中开发基于嵌入的检索系统。
引用
@article{arxiv.2006.11632,
title = {Embedding-based Retrieval in Facebook Search},
author = {Jui-Ting Huang and Ashish Sharma and Shuying Sun and Li Xia and David Zhang and Philip Pronin and Janani Padmanabhan and Giuseppe Ottaviano and Linjun Yang},
journal= {arXiv preprint arXiv:2006.11632},
year = {2020}
}
备注
9 pages, 3 figures, 3 tables, to be published in KDD '20