淘宝搜索中的多目标个性化商品检索
信息检索
2022-10-11 v1 人工智能
摘要
在像淘宝这样的大规模电商平台中，从数十亿候选商品中检索出满足用户的商品是一个巨大挑战。这已成为学术界和工业界共同关注的问题。近年来，该领域的许多工作通过增强基于嵌入的检索（EBR）方法取得了显著改进，包括淘宝搜索引擎中的多粒度深度语义商品检索（MGDSPR）模型[16]。然而，我们发现，与在线系统中的其他检索方法（如词汇匹配和协同过滤）相比，MGDSPR仍然存在相关性差和个性化弱的问题。这些问题促使我们进一步加强EBR模型在相关性估计和个性化检索方面的能力。在本文中，我们提出了一种新颖的多目标个性化商品检索（MOPPR）模型，具有四个层次优化目标：相关性、曝光、点击和购买。我们构建了全空间多正样本用于训练MOPPR，而不是现有EBR模型的单正样本。我们采用改进的softmax损失来优化多个目标。大量离线实验和在线实验结果表明，MOPPR在相关性估计和个性化检索的评估指标上优于基线MGDSPR。在为期28天的在线A/B测试中，MOPPR实现了0.96%的交易量和1.29%的GMV提升。自2021年双十一购物节以来，MOPPR已全面部署在手机淘宝搜索中，取代了之前的MGDSPR。最后，我们讨论了在多目标检索和排序方面更深入探索的几个高级话题，以贡献给社区。
引用
@article{arxiv.2210.04170,
title = {Multi-Objective Personalized Product Retrieval in Taobao Search},
author = {Yukun Zheng and Jiang Bian and Guanghao Meng and Chao Zhang and Honggang Wang and Zhixuan Zhang and Sen Li and Tao Zhuang and Qingwen Liu and Xiaoyi Zeng},
journal= {arXiv preprint arXiv:2210.04170},
year = {2022}
}
备注
9 pages, 4 figures, submitted to the 28th ACM SIGKDD Conference on Knowledge Discovery & Data Mining