InteractRank：基于跨交互特征的个性化网页规模搜索预排序
信息检索
2025-04-10 v1 人工智能
机器学习
摘要
现代搜索系统采用多阶段架构高效地为用户提供个性化结果。关键阶段包括检索、预排序、完整排序和混合，其中预排序阶段尤为重要，用于将数十万项筛选至几千项。传统预排序模型通常依赖双塔结构，以其计算效率著称，但往往捕捉复杂交互作用不足。尽管查询-项目间的交叉交互特征在完整排序中至关重要，但将其集成到预排序模型中仍面临效率挑战。本文引入InteractRank，一种具备鲁棒跨交互特征的双塔预排序模型，已在Pinterest上实际应用。通过将基于历史用户参与的查询-项目交互纳入评分函数并与双塔点积相结合，InteractRank在最小化延迟和计算成本的同时显著提升了预排序性能。在Pinterest的真实A/B实验中，InteractRank相对于BM25基线提升了6.5%的在线参与度指标，相对于基础双塔基线提升了3.7%。我们还概述了InteractRank的其他组件，如实时用户序列建模，并通过离线消融实验分析了其贡献。InteractRank的代码已公开于https://github.com/pinterest/atg-research/tree/main/InteractRank。
引用
@article{arxiv.2504.06609,
title = {InteractRank: Personalized Web-Scale Search Pre-Ranking with Cross Interaction Features},
author = {Sujay Khandagale and Bhawna Juneja and Prabhat Agarwal and Aditya Subramanian and Jaewon Yang and Yuting Wang},
journal= {arXiv preprint arXiv:2504.06609},
year = {2025}
}
备注
8 pages, 3 figures, to appear at TheWebConf Industry Track 2025