面向电商搜索广告的多目标对齐出价词生成模型

检索系统主要解决将用户查询与最相关广告进行匹配的问题，在电商搜索广告中发挥关键作用。用户需求和表达的多样性常常产生大量长尾查询，这些查询无法与商家出价词或产品标题匹配，导致部分广告无法被召回，最终损害用户体验和搜索效率。现有的查询改写研究聚焦于多种方法，如查询日志挖掘、查询-出价词向量匹配或基于生成的改写。然而，这些方法往往无法同时优化用户原始查询的相关性和真实性以及改写效果，也无法最大化召回广告的营收潜力。在本文中，我们提出了一种多目标对齐出价词生成模型（MoBGM），由判别器、生成器和偏好对齐模块组成，以解决这些挑战。为了同时提升查询的相关性和真实性以及改写效果并最大化平台营收，我们设计了一个判别器来优化这些关键目标。利用判别器的反馈信号，我们训练了一个多目标对齐出价词生成器，旨在最大化三个目标的综合效果。大量的离线和在线实验表明，我们提出的算法显著优于现有最优方法。部署后，该算法为平台创造了巨大的商业价值，进一步验证了其可行性和鲁棒性。