Que2Engage：面向 Facebook Marketplace 相关且具吸引力商品的基于嵌入的检索
信息检索
2023-02-23 v1 人工智能
机器学习
摘要
电商搜索中的基于嵌入的检索（EBR）是一种强大的搜索检索技术，用于解决搜索查询与商品之间的语义匹配。然而，诸如 Facebook Marketplace 搜索之类的商业搜索引擎是复杂的多阶段系统，针对多个业务目标进行优化。在 Facebook Marketplace，搜索检索侧重于将搜索查询与相关商品匹配，而搜索排序更强调上下文信号以提升更具吸引力商品的排名。因此，端到端搜索者体验是相关性与参与度以及系统不同阶段的相互作用共同决定的函数。这给 EBR 系统优化更好的搜索者体验带来了挑战。本文提出 Que2Engage，一种为端到端优化而搭建、旨在弥合检索与排序之间差距的搜索 EBR 系统。Que2Engage 采用多模态与多任务方法，将上下文信息注入检索阶段并平衡不同业务目标。我们通过多任务评估框架以及充分的基线对比和消融实验展示了方法的有效性。Que2Engage 已部署于 Facebook Marketplace 搜索，并在为期两周的 A/B 测试中显示出搜索者参与度的显著提升。
引用
@article{arxiv.2302.11052,
title = {Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace},
author = {Yunzhong He and Yuxin Tian and Mengjiao Wang and Feier Chen and Licheng Yu and Maolong Tang and Congcong Chen and Ning Zhang and Bin Kuang and Arul Prakash},
journal= {arXiv preprint arXiv:2302.11052},
year = {2023}
}
备注
Accepted by WWW'2023