面向 RPM 的电商基于关键词赞助搜索查询重写框架
计算与语言
2020-01-14 v2
摘要
赞助搜索优化收益与相关性，其由每千次展示收入（Revenue Per Mille, RPM）来估计。现有的赞助搜索模型都基于传统统计模型，当查询遵循长尾分布时 RPM 表现较差。在此，我们提出一种面向 RPM 的查询重写框架（RPM-oriented Query Rewriting Framework, RQRF），其输出可带来高 RPM 的相关出价关键词。RQRF 将查询和出价关键词都嵌入同一隐式空间中的向量，将每个查询与关键词之间的重写概率转换为两个向量之间的距离。对于标签构建，我们提出一种面向 RPM 的样本构建方法，根据关键词是否能带来高 RPM 来标注它们。我们进行了大量实验以评估 RQRF 的性能。在电商赞助搜索系统一个月的大规模真实流量中，所提模型显著优于传统基线。
引用
@article{arxiv.1910.12527,
title = {RPM-Oriented Query Rewriting Framework for E-commerce Keyword-Based Sponsored Search},
author = {Xiuying Chen and Daorui Xiao and Shen Gao and Guojun Liu and Wei Lin and Bo Zheng and Dongyan Zhao and Rui Yan},
journal= {arXiv preprint arXiv:1910.12527},
year = {2020}
}
备注
2 pages, 2 figures