电子商务搜索中的结构化查询重写

近期电子商务搜索领域的研究表明，理解用户查询的语义能够实现更有效的查询分析和相关产品检索。然而，由于缺乏足够的领域知识，用户查询往往包含无法直接映射到任何产品属性的术语。例如，寻找“设计师手袋”的用户可能会使用此类查询，因为她们不熟悉赋予手袋设计感的生产商、价格范围和/或材质。当前的电子商务搜索引擎将“设计师”等术语视为关键词，并尝试将其与产品评论和产品描述等内容进行匹配，这往往导致用户体验不佳。在本研究中，我们提出通过重写涉及“设计师”等术语（我们称之为修饰语）的查询来解决这一问题，将其转换为指定精确产品属性的查询。我们通过分析用户行为并利用服务于查询的结构化数据源（如产品目录），学习将修饰语重写为属性值。我们首先基于用户行为数据生成修饰语与属性值之间的概率映射。随后利用这些初始关联从目录中检索产品，并在此基础上推断出最能描述修饰语语义的属性值集合。我们通过一项全面的 Mechanical Turk 研究评估了该方法的有效性。研究发现，在约 95% 的情况下，用户认同我们方法所选的属性值；在 87% 的情况下，用户更倾向于我们重写后查询所呈现的结果，而非原始查询的结果。