HierCat：Facebook Marketplace 上面向弱监督数据的分层查询分类
信息检索
2023-02-23 v2 人工智能
机器学习
摘要
在像 Facebook Marketplace 这样的消费者对消费者电子商务平台上进行查询分类具有挑战性，原因在于搜索意图模糊、真实世界数据中的噪声以及跨语言训练数据的不平衡。其部署还需考虑可扩展性及下游集成方面的挑战，以便将建模进展转化为更好的搜索结果相关性。在本文中，我们介绍了 HierCat，即 Facebook Marketplace 的查询分类系统。HierCat 通过利用双编码器架构的多任务预训练并结合分层推理步骤，从搜索者交互中挖掘的弱监督训练数据有效学习，从而应对这些挑战。我们表明，HierCat 不仅在离线实验中优于流行方法，还在 Facebook Marketplace Search 的在线 A/B 测试中带来了 NDCG 提升 1.4% 以及搜索者交互增加 4.3%。
引用
@article{arxiv.2302.10527,
title = {HierCat: Hierarchical Query Categorization from Weakly Supervised Data at Facebook Marketplace},
author = {Yunzhong He and Cong Zhang and Ruoyan Kong and Chaitanya Kulkarni and Qing Liu and Ashish Gandhe and Amit Nithianandan and Arul Prakash},
journal= {arXiv preprint arXiv:2302.10527},
year = {2023}
}
备注
Accepted by WWW'2023