基于大语言模型生成商业意图的赞助搜索广告实时检索
信息检索
2025-04-03 v1
摘要
大语言模型（LLMs）与检索系统的集成在针对给定查询检索文档或广告方面展现出巨大潜力。现有的基于LLM的检索方法生成数字或基于内容的DocID来检索文档/广告。然而，数字ID与文档之间的一对少映射，以及耗时的内容提取，导致了语义效率低下，并限制了在大规模语料库中的可扩展性。在本文中，我们提出了实时广告检索（RARE）框架，该框架利用LLM生成的称为商业意图（CIs）的文本作为中间语义表示，直接实时检索查询对应的广告。这些CIs由注入了商业知识的定制LLM生成，增强了其领域相关性。每个CI对应多个广告，从而产生一个轻量级且可扩展的CI集合。RARE已在一个真实的在线系统中实现，处理每日数亿的搜索量。在线实施带来了显著效益：消费量增加5.04%，总商品交易额（GMV）增长6.37%，点击率（CTR）提升1.28%，浅层转化率增加5.29%。广泛的离线实验表明，RARE在四大类别的十个竞争基线上具有优越性。
引用
@article{arxiv.2504.01304,
title = {Real-time Ad retrieval via LLM-generative Commercial Intention for Sponsored Search Advertising},
author = {Tongtong Liu and Zhaohui Wang and Meiyue Qin and Zenghui Lu and Xudong Chen and Yuekui Yang and Peng Shu},
journal= {arXiv preprint arXiv:2504.01304},
year = {2025}
}
备注
13pages,5 figures