Image Score：学习与评估Mercari搜索中的人类偏好
计算机视觉与模式识别
2026-05-04 v2
摘要
Mercari是日本最大的C2C电子商务市场，拥有超过2000万月活跃用户。搜索是发现所需商品的基本方式，我们一直拥有大量隐式反馈数据。尽管我们积极利用这些数据为用户提供最佳服务，但隐式反馈与图像质量评估等任务之间的关联并非易事。机器学习（ML）领域的许多传统研究同样受到深度学习（DL）模型对良好标注训练数据的无尽需求驱动。弱监督是指利用更高层次和/或更嘈杂的监督信号来处理无标签数据。大语言模型（LLM）正被积极研究和用于数据标注任务。我们展示了如何利用思维链（CoT）使LLM生成与电子商务环境中人类行为高度相关的图像美学标签。利用LLM相比显式人工判断更具成本效益，同时显著提高了深度图像质量评估的可解释性，这对Mercari的客户旅程优化非常重要。我们提出了一种成本高效的LLM驱动方法，用于评估和预测电子商务环境中的图像质量，非常适合概念验证测试。我们证明了LLM生成的标签与Mercari上的用户行为相关联。最后，我们展示了在线实验的结果，在网络平台上实现了销售的显著增长。
引用
@article{arxiv.2408.11349,
title = {Image Score: Learning and Evaluating Human Preferences for Mercari Search},
author = {Chingis Oinar and Miao Cao and Shanshan Fu},
journal= {arXiv preprint arXiv:2408.11349},
year = {2026}
}