Seasonality Based Reranking of E-commerce Autocomplete Using Natural Language Queries

要約

クエリーオートコンプリート（QAC）はタイプアヘッドとも呼ばれ、ユーザーが検索ボックスにプレフィックスを入力すると、完全なクエリーのリストを表示します。これは、特にeコマースにおける最新の検索エンジンの重要な機能の1つである。typeaheadの目的の一つは、季節的に重要な関連クエリをユーザに提案することである。本稿では、季節性をシグナルとして取り入れるニューラルネットワークベースの自然言語処理（NLP）アルゴリズムを提案し、QACランキングモデルのエンドツーエンド評価を行う。オートコンプリートのランキングモデルに季節性を組み込むことで、オートコンプリートの関連性とビジネス指標を改善することができる。

要約(オリジナル)

Query autocomplete (QAC) also known as typeahead, suggests list of complete queries as user types prefix in the search box. It is one of the key features of modern search engines specially in e-commerce. One of the goals of typeahead is to suggest relevant queries to users which are seasonally important. In this paper we propose a neural network based natural language processing (NLP) algorithm to incorporate seasonality as a signal and present end to end evaluation of the QAC ranking model. Incorporating seasonality into autocomplete ranking model can improve autocomplete relevance and business metric.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL