阿里巴巴电商媒体中的虚拟ID发现：利用用户点击行为的丰富性提升视觉搜索相关性

视觉搜索在电子商务中起着至关重要的作用。为满足阿里巴巴用户的搜索需求并提升购物体验，实拍图像的视觉搜索相关性正成为瓶颈。传统的视觉搜索范式通常基于带标签数据的监督学习。然而，大规模类别标签需要昂贵的人工标注，这限制了其适用性，且通常难以区分实拍图像。本文提出从用户点击行为中发现虚拟ID（Virtual ID），以提升阿里巴巴的视觉搜索相关性。作为一种完全由点击数据驱动的方法，我们收集多种类型的点击数据来训练深度网络，完全不需要任何人工标注。具体而言，虚拟ID通过共点击嵌入作为分类监督来学习，从用户共点击行为中探索图像关系以指导类别预测与特征学习。具体地，我们部署虚拟ID类别网络，将首次点击与切换点击作为正则化项进行整合。结合三元组与列表约束，虚拟ID特征网络以联合分类与排序的方式进行训练。得益于对用户点击数据的挖掘，我们的网络能更有效地编码更丰富的监督信号，并在类别与特征层面更好地区分实拍图像。为验证我们所提方法在视觉搜索相关性上的效果，我们在收集的实拍图像上进行了大量离线与在线实验。与对比方法及当前最优（SOTA）方法相比，我们在所有组件上均取得更优的实验结果。