Etsy 搜索中基于统一嵌入的个性化检索

Jun, 2023

Etsy 搜索中基于统一嵌入的个性化检索

Unified Embedding Based Personalized Retrieval in Etsy Search

Rishikesh Jha, Siddharth Subramaniyam, Ethan Benjamin, Thrivikrama Taula

TL;DR本文提出了一种能够同时解决语义差异问题和根据用户历史交互提供个性化语义搜索结果的新方法，将图嵌入、transformer 模型和基于术语的嵌入统一到一个嵌入模型中，同时分享了特征工程、硬负采样策略以及 transformer 模型应用方面的技巧。此个性化检索模型增强了用户的搜索体验，并提高了搜索购买率和网站整体转化率。

Abstract

embedding-based neural retrieval is a prevalent approach to address the semantic gap problem which often arises in product search on tail queries. In contrast, popular queries typically lack context and have a broad intent where additional context from users historical interaction can

embedding-based neural retrieval personalized semantic retrieval graph embeddings transformer model search relevance

发现论文，激发创造

神经信息检索与图嵌入相遇：产品搜索排序模型

本文介绍了一种利用图嵌入技术使神经信息检索模型可以利用图结构数据进行自动特征提取的方法，并将其应用于电子商务数据集中，结果显示该方法在多个强基线模型和排序框架中都有显著提高。

Jan, 2019

可解释的产品搜索：基于动态关系嵌入模型

本文提出了一种基于解释性的检索模型，通过建立动态知识图谱，将 “搜索和购买” 行为建模为用户和产品之间的动态关系，并在潜在空间中基于用户和产品之间的关系进行排名，并通过逻辑推理和实体软匹配在知识图谱中生成解释信息，实验结果表明其优于现有的基线模型，同时能够合理地解释搜索结果。

Sep, 2019

使用嵌入实现搜索个性化

本文针对搜索个性化提出一种新的嵌入式方法，利用用户的专业兴趣空间对用户进行嵌入和学习，实现对用户兴趣的表达和搜索个性化，并在商业网页搜索引擎的查询日志实验中，证明本方法的性能比其他强基线模型更好。

Dec, 2016

基于嵌入式的美国 Instacart 超市搜索模型

本文介绍了嵌入式模型在电商搜索中的应用，该模型由两个塔式变压器编码器构成，利用自适应对抗性学习和级联训练方法，以特别关注基于内容的特征并有效地在噪声大的数据上进行训练，检测出相对于原方案 10％的 RECALL@20 的改进并通过在线 A / B 测试达到了每次搜索中增加购物车数量（CAPS）和商品销售总值（GMV）方面 1.5％和 4.1％的提高。

Sep, 2022

基于嵌入式技术的淘宝搜索商品检索

本文探讨了电子商务平台中产品检索服务的质量问题。针对嵌入式检索系统中存在的问题，提出了一种新的多粒度深层语义产品检索模型。改进的算法通过平滑噪声数据和生成硬负样本来提高相关性，并在淘宝搜索上进行了线下和在线实验，证明了其有效性，并成功应用于现有的多通道检索系统中。

Jun, 2021

面向交谈式搜索的上下文化查询嵌入

本文以学习到的密集表示为基础，描述了一种紧凑而有效的模型，用于对话搜索中的低延迟段落检索。通过将对话查询重构直接整合到密集检索模型中，我们提出了一种新方法来解决现有流程的问题。在构建具有伪相关性标签的数据集的基础上，证明了该模型可用于会话检索和开放域问答数据集，最后通过改进的检索模型学习到的特性，支持混合检索和错误分析。

Apr, 2021

基于产品量化嵌入索引的深度检索模型联合学习

本文提出了一种称为 Poeem 的新方法，它采用了产品量化嵌入索引与深度检索模型联合训练的方法，将嵌入学习和索引构建两个步骤统一起来，从而提高了检索准确率，减少了索引时间，并公开了我们的方法以便于比较和重现。

May, 2021

多词术语嵌入改进词汇产品检索

H1 嵌入模型在电子商务平台的产品描述离线术语索引中，通过整合产品检索的词汇方法和基于语义嵌入的方法的优势，提出了一种构建语义丰富术语词汇的方法，能够作为单个标记来处理多词产品术语，提高系统的精度而不影响召回率，此模型在 WANDS 公共数据集上的混合搜索系统得分为 mAP@12 = 56.1% 和 R@1k = 86.6%，超过其他最先进的模型。

Jun, 2024

面向个性化和语义检索的端到端解决方案：基于嵌入学习的电子商务搜索

本文介绍了一种叫 DPSR 的新方法，用于解决电子商务搜索中的两个关键性问题：如何检索与查询语义相关但不是精确匹配的项目以及如何检索对于同一搜索查询的不同用户更个性化的项目。该方法通过离线和在线实验表明其优越性，能够显著提高用户的搜索体验，尤其是对于长尾查询。

Jun, 2020

Facebook 搜索中基于嵌入的检索

本研究探讨如何将基于嵌入式检索的技术应用于 Facebook 搜索系统，介绍了用于建模语义嵌入的统一嵌入框架和在基于倒排索引的典型搜索系统中提供嵌入式检索的系统，以及整个系统的端到端优化技巧和经验。该方法可显著改善 Facebook 搜索垂直领域的度量标准。

Jun, 2020