Robust Interaction-Based Relevance Modeling for Online e-Commerce Search

要約

意味的関連性の計算は、選択されたアイテムが顧客の意図と厳密に一致していることを保証するため、電子商取引検索エンジンにとって非常に重要です。
この側面への注意が不十分だと、ユーザー エクスペリエンスやエンゲージメントに悪影響を及ぼす可能性があります。
従来のテキスト マッチング手法は普及していますが、検索意図のニュアンスを正確に捉えることができないことが多いため、現在ではニューラル ネットワークがこのような複雑なテキスト マッチングを処理するための推奨ソリューションとなっています。
既存の方法は主に表現ベースのアーキテクチャを採用しており、高いトラフィック容量と低いレイテンシの間でバランスが取れています。
ただし、インタラクションベースのアーキテクチャと比較すると、汎用性と堅牢性において重大な欠点があります。
この研究では、これらの欠点に対処するために、堅牢な対話ベースのモデリング パラダイムを導入します。
これには、1) 迅速な推論のための動的な長さ表現スキーム、2) 複雑な文構造から主語と核となる属性を識別するための専門用語認識方法、3) モデルの堅牢性とマッチング機能を強化するための対比的敵対的トレーニング プロトコルが含まれます。
広範なオフライン評価により、当社のアプローチの優れた堅牢性と有効性が実証され、オンライン A/B テストにより、同じ露出位置での関連性が向上し、より多くのクリック数とコンバージョンが得られることが確認されました。
私たちの知る限り、この方法は、大規模な電子商取引検索の関連性を計算するための最初のインタラクション ベースのアプローチです。
特に、世界最大の B2B 電子商取引プラットフォームである alibaba.com の検索トラフィック全体にこれを導入しました。

要約(オリジナル)

Semantic relevance calculation is crucial for e-commerce search engines, as it ensures that the items selected closely align with customer intent. Inadequate attention to this aspect can detrimentally affect user experience and engagement. Traditional text-matching techniques are prevalent but often fail to capture the nuances of search intent accurately, so neural networks now have become a preferred solution to processing such complex text matching. Existing methods predominantly employ representation-based architectures, which strike a balance between high traffic capacity and low latency. However, they exhibit significant shortcomings in generalization and robustness when compared to interaction-based architectures. In this work, we introduce a robust interaction-based modeling paradigm to address these shortcomings. It encompasses 1) a dynamic length representation scheme for expedited inference, 2) a professional terms recognition method to identify subjects and core attributes from complex sentence structures, and 3) a contrastive adversarial training protocol to bolster the model’s robustness and matching capabilities. Extensive offline evaluations demonstrate the superior robustness and effectiveness of our approach, and online A/B testing confirms its ability to improve relevance in the same exposure position, resulting in more clicks and conversions. To the best of our knowledge, this method is the first interaction-based approach for large e-commerce search relevance calculation. Notably, we have deployed it for the entire search traffic on alibaba.com, the largest B2B e-commerce platform in the world.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google