面向个性化与语义检索：基于嵌入学习的电商搜索端到端方案
信息检索
2020-06-08 v3
摘要
如今电商搜索已成为许多人购物日常的重要组成部分。当今电商搜索面临两个关键挑战：如何检索出与查询词语义相关但非精确匹配的商品，以及如何对同一搜索查询向不同用户检索更具个性化的商品。本文提出一种称为 DPSR（即深度个性化与语义检索，Deep Personalized and Semantic Retrieval）的新方法来解决该问题。具体而言，我们分享了关于如何构建检索系统以高效服务工业级流量，以及如何训练模型以准确学习查询与商品语义的设计决策。基于离线评估与线上 A/B 测试（使用真实流量），我们表明 DPSR 模型优于现有模型，且 DPSR 系统能检索更具个性化与语义相关性的商品，使转化率显著提升 +1.29%（尤其长尾查询提升 +10.03%），从而改善用户搜索体验。因此，我们的 DPSR 系统自 2019 年起已成功部署至京东 (JD.com) 搜索生产环境。
引用
@article{arxiv.2006.02282,
title = {Towards Personalized and Semantic Retrieval: An End-to-End Solution for E-commerce Search via Embedding Learning},
author = {Han Zhang and Songlin Wang and Kang Zhang and Zhiling Tang and Yunjiang Jiang and Yun Xiao and Weipeng Yan and Wen-Yun Yang},
journal= {arXiv preprint arXiv:2006.02282},
year = {2020}
}
备注
Accepted by SIGIR 2020