通过聚类自适应关键词扩展与相关性调优提升广告匹配
信息检索
2025-05-27 v1 人工智能
摘要
在搜索广告中，关键词匹配将用户查询与相关广告连接起来。虽然基于词元的匹配增加了广告覆盖范围，但由于过于宽松的语义扩展，可能降低相关性。本工作通过文档侧语义关键词扩展来扩展关键词覆盖范围，使用语言模型在不改变查询的前提下实现词元级匹配的语义扩展。我们提出一种解决方案，利用预训练的双语模型生成广告关键词的稠密向量表示，并通过最近邻搜索识别语义上相关的变体。为保持精度，我们引入基于聚类的阈值调节机制，根据局部语义密度调整相似度阈值。每个扩展关键词映射到一组卖家列出的物品，这些物品可能仅部分符合原始意图。为确保相关性，我们通过使用轻量级决策树集成进行增量学习来适应扩展关键词空间中的下游相关性模型。该系统在提升相关性和点击率 (CTR) 方面均取得佳绩，提供一种可扩展且低延迟的解决方案，可适应不断变化的查询行为和广告库存。
引用
@article{arxiv.2505.18897,
title = {Improving Ad matching via Cluster-Adaptive Keyword Expansion and Relevance tuning},
author = {Dipanwita Saha and Anis Zaman and Hua Zou and Ning Chen and Xinxin Shu and Nadia Vase and Abraham Bagherjeiran},
journal= {arXiv preprint arXiv:2505.18897},
year = {2025}
}