面向电商非默认排序的BERT微调
信息检索
2020-08-25 v1 计算与语言
摘要
电商平台上基于商品升价或历史销量降序等非默认排序的质量常受严重的相关性问题困扰，因为不相关商品更易暴露在排序结果顶部。本工作中，我们提出一种两阶段排序方案：首先通过精炼的查询/标题关键词匹配召回广泛候选商品，随后使用基于人工标注数据微调的BERT-Large对召回商品分类。我们还实现了多GPU主机的并行预测以及Tensorflow的C++分词自定义算子。在本次数据竞赛中，我们的模型在有监督阶段（基于总体F1分数）获第1名，在最终阶段（基于每查询平均F1分数）获第2名。
引用
@article{arxiv.2008.09689,
title = {Fine-tune BERT for E-commerce Non-Default Search Ranking},
author = {Yunjiang Jiang and Yue Shang and Hongwei Shen and Wen-Yun Yang and Yun Xiao},
journal= {arXiv preprint arXiv:2008.09689},
year = {2020}
}
备注
4 pages, SIGIR 2019 eCommerce Data Challenge report paper