中文

OmniSearchSage:面向Pinterest搜索的多任务多实体嵌入

信息检索 2024-04-26 v1 人工智能 机器学习

摘要

在本文中,我们提出了OmniSearchSage,一个用于理解Pinterest搜索中搜索查询、图钉和产品的通用且可扩展的系统。我们联合学习了统一的查询嵌入以及图钉和产品嵌入,使得Pinterest生产搜索系统的相关性提升了>8%,参与度提升了>7%,广告点击率提升了>5%。这些提升的主要贡献因素包括改进的内容理解、更好的多任务学习和实时服务。我们利用来自生成式LLM的图像描述、历史参与度和用户策划的板块中的多样化文本来丰富实体表示。我们的多任务学习设置产生了一个与图钉和产品嵌入处于同一空间且与现有图钉和产品嵌入兼容的单一搜索查询嵌入。通过消融研究,我们展示了每个特征的价值,并展示了统一模型相比独立对应模型的有效性。最后,我们分享了这些嵌入如何在Pinterest搜索栈中部署,从检索到排序,以低延迟扩展至每秒服务30万次请求。本工作的实现可在https://github.com/pinterest/atg-research/tree/main/omnisearchsage获取。

关键词

引用

@article{arxiv.2404.16260,
  title  = {OmniSearchSage: Multi-Task Multi-Entity Embeddings for Pinterest Search},
  author = {Prabhat Agarwal and Minhazul Islam Sk and Nikil Pancha and Kurchi Subhra Hazra and Jiajing Xu and Chuck Rosenberg},
  journal= {arXiv preprint arXiv:2404.16260},
  year   = {2024}
}

备注

8 pages, 5 figures, to be published as an oral paper in TheWebConf Industry Track 2024