IterQR：面向电商搜索系统的基于大语言模型的迭代查询重写框架
信息检索
2025-04-09 v1 人工智能
摘要
现代电商搜索系统的核心在于根据用户查询匹配用户意图和可用候选结果，提供个性化且精准的服务。然而，用户查询可能因模糊输入和拼写错误而不正确，导致搜索不准。这些情况可以通过查询重写来缓解：修改查询以实现其他表示或扩展。然而，传统查询重写依赖静态的重写词汇表，这些词汇表是手动建立的，且缺乏与电商系统领域知识以及现实世界常规知识的交互。在本文中，凭借大语言模型（LLM）的文本生成能力，我们提供了一个用于生成查询重写的迭代框架。该框架在每次迭代中包含三个阶段：通过检索增强生成（RAG）进行领域知识驱动的重写生成以及通过链式思维（CoT）进行查询理解；在线信号收集与自动正向重写更新；针对多任务目标对 LLM 进行后训练以生成新的重写。我们的工作（称为 IterQR）提供了一个综合性的框架，用于同时生成具有领域知识和现实世界知识的查询重写。它在迭代过程中自动更新和自我纠正重写。该方法已部署于美团配送的搜索系统（中国领先的外卖平台），为用户提供服务，效果显著提升。
引用
@article{arxiv.2504.05309,
title = {IterQR: An Iterative Framework for LLM-based Query Rewrite in e-Commercial Search System},
author = {Shangyu Chen and Xinyu Jia and Yingfei Zhang and Shuai Zhang and Xiang Li and Wei Lin},
journal= {arXiv preprint arXiv:2504.05309},
year = {2025}
}