面向 C2C 市场的领域感知文本嵌入以实现更好的搜索
信息检索
2025-12-25 v1 机器学习
摘要
消费者对消费者（C2C）市场带来了独特的检索挑战：简短、模糊的查询；嘈杂的、用户生成的商品列表；以及严格的生产约束。本文报告了我们构建一种领域感知的日语文本嵌入方法的实验，旨在提高 Mercari（日本最大的 C2C 市场）的搜索质量。我们尝试在购买驱动的查询-标题对上使用角色特定前缀进行微调，以建模查询-商品的不对称性。为了满足生产约束，我们应用了套娃表示学习（Matryoshka Representation Learning）来获得紧凑、抗截断的嵌入。基于历史搜索日志的离线评估显示，相比强大的通用编码器，我们取得了持续的增益，尤其是在用套娃截断替代 PCA 压缩时，改进尤为显著。人工评估进一步突显了在处理专有名词、市场特定语义和词项重要性对齐方面的更好表现。此外，初步的在线 A/B 测试表明，在每位用户的收入和搜索流程效率方面有统计学上显著的提升，同时交易频率得以维持。结果表明，领域感知嵌入在大规模上提高了相关性和效率，并为更丰富的 LLM 时代搜索体验奠定了实用基础。
引用
@article{arxiv.2512.21021,
title = {Towards Better Search with Domain-Aware Text Embeddings for C2C Marketplaces},
author = {Andre Rusli and Miao Cao and Shoma Ishimoto and Sho Akiyama and Max Frenzel},
journal= {arXiv preprint arXiv:2512.21021},
year = {2025}
}
备注
5 pages, AAAI 2026 Workshop on New Frontiers in Information Retrieval