通过对比预训练增强多字段B2B云解决方案匹配
信息检索
2024-06-10 v2 人工智能
摘要
云解决方案在技术行业中已获得显著普及，因为它们结合了多种服务和工具来解决特定问题。然而，尽管其应用广泛，为解决方案提供商的销售团队识别适合特定目标解决方案的公司客户，仍然是一个复杂的业务问题，现有的匹配系统尚未能充分解决。在本工作中，我们研究了B2B解决方案匹配问题，并识别出该场景的两个主要挑战：(1) 复杂多字段特征的建模，以及(2) 有限、不完整且稀疏的交易数据。为应对这些挑战，我们提出了CAMA框架，该框架以层次化多字段匹配结构为核心，并辅以三种数据增强策略和一个对比预训练目标，以弥补可用数据中的缺陷。通过在真实世界数据集上的大量实验，我们证明CAMA显著优于多个强大的基线匹配模型。此外，我们已在华为云的一个系统上部署了我们的匹配框架。观察结果表明，与之前的在线模型相比，转化率(CVR)提升了约30%，这证明了其巨大的商业价值。
引用
@article{arxiv.2402.07076,
title = {Enhancing Multi-field B2B Cloud Solution Matching via Contrastive Pre-training},
author = {Haonan Chen and Zhicheng Dou and Xuetong Hao and Yunhao Tao and Shiren Song and Zhenli Sheng},
journal= {arXiv preprint arXiv:2402.07076},
year = {2024}
}
备注
KDD 2024, ADS Track