論文の概要: Context-Aware Query Rewriting for Improving Users' Search Experience on E-commerce Websites

• arxiv url: http://arxiv.org/abs/2209.07584v1
• Date: Thu, 15 Sep 2022 19:46:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 13:35:32.070282
• Title: Context-Aware Query Rewriting for Improving Users' Search Experience on E-commerce Websites
• Title（参考訳）: eコマースサイトにおけるユーザ検索エクスペリエンス向上のためのコンテキスト対応クエリ書き換え
• Authors: Simiao Zuo, Qingyu Yin, Haoming Jiang, Shaohui Xi, Bing Yin, Chao Zhang, Tuo Zhao
• Abstract要約: 電子商取引のクエリはしばしば短く曖昧である。 ユーザーは購入する前に複数の検索を入力し、それをコンテキストと呼ぶ。 本稿では,エンド・ツー・エンドのコンテキスト認識型クエリ書き換えモデルを提案する。
• 参考スコア（独自算出の注目度）: 47.04727122209316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: E-commerce queries are often short and ambiguous. Consequently, query understanding often uses query rewriting to disambiguate user-input queries. While using e-commerce search tools, users tend to enter multiple searches, which we call context, before purchasing. These history searches contain contextual insights about users' true shopping intents. Therefore, modeling such contextual information is critical to a better query rewriting model. However, existing query rewriting models ignore users' history behaviors and consider only the instant search query, which is often a short string offering limited information about the true shopping intent. We propose an end-to-end context-aware query rewriting model to bridge this gap, which takes the search context into account. Specifically, our model builds a session graph using the history search queries and their contained words. We then employ a graph attention mechanism that models cross-query relations and computes contextual information of the session. The model subsequently calculates session representations by combining the contextual information with the instant search query using an aggregation network. The session representations are then decoded to generate rewritten queries. Empirically, we demonstrate the superiority of our method to state-of-the-art approaches under various metrics. On in-house data from an online shopping platform, by introducing contextual information, our model achieves 11.6% improvement under the MRR (Mean Reciprocal Rank) metric and 20.1% improvement under the HIT@16 metric (a hit rate metric), in comparison with the best baseline method (Transformer-based model).
• Abstract（参考訳）: 電子商取引のクエリはしばしば短く曖昧である。 その結果、クエリ理解はしばしばクエリ書き換えを使用して、ユーザの入力クエリを曖昧にします。 eコマース検索ツールを使用している間、ユーザーは複数の検索を入力する傾向にある。 これらの履歴検索は、ユーザの真のショッピング意図に関する文脈的な洞察を含んでいる。 したがって、このようなコンテキスト情報のモデリングは、より良いクエリ書き換えモデルに不可欠である。 しかし、既存のクエリ書き換えモデルはユーザーの履歴の振る舞いを無視し、実際のショッピング意図に関する限られた情報を提供する短い文字列であるインスタント検索クエリのみを考慮する。 本稿では,このギャップを埋めるため,検索コンテキストを考慮したエンドツーエンドの問合せ書き換えモデルを提案する。 具体的には,履歴検索クエリとそれらの単語を用いたセッショングラフを構築した。 次に、クロスクエリ関係をモデル化し、セッションのコンテキスト情報を計算するグラフアテンション機構を用いる。 モデルはその後、アグリゲーションネットワークを用いて、コンテキスト情報とインスタント検索クエリを組み合わせることでセッション表現を算出する。 セッション表現はデコードされ、書き直されたクエリを生成する。 実験により,本手法の各種指標による最先端手法に対する優位性を実証した。 オンラインショッピングプラットフォームからの社内データでは、文脈情報の導入により、mdr(相互ランク)基準で11.6%改善し、hit@16メートル(ヒットレートメートル法)で20.1%改善し、最高のベースライン法(トランスフォーマベースモデル)と比較した。

関連論文リスト

• Aligning Query Representation with Rewritten Query and Relevance Judgments in Conversational Search [32.35446999027349]
  我々は、より優れたクエリ表現モデルをトレーニングするために、リライトされたクエリと会話検索データの関連判断の両方を活用する。 提案したモデル --Query Representation Alignment Conversational Retriever(QRACDR)は、8つのデータセットでテストされる。
  論文  参考訳（メタデータ） (2024-07-29T17:14:36Z)
• Improving Retrieval in Sponsored Search by Leveraging Query Context Signals [6.152499434499752]
  本稿では,クエリをリッチなコンテキスト信号で拡張することで,クエリ理解を強化する手法を提案する。 我々は、Web検索のタイトルとスニペットを使って、現実世界の情報にクエリを接地し、GPT-4を使ってクエリの書き直しと説明を生成する。 我々の文脈認識アプローチは文脈自由モデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-07-19T14:28:53Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• Improving Topic Relevance Model by Mix-structured Summarization and LLM-based Data Augmentation [16.170841777591345]
  Dianpingのようなほとんどのソーシャル検索シナリオでは、検索関連性のモデリングは常に2つの課題に直面している。 まず、クエリベースの要約と、クエリなしで文書の要約をトピック関連モデルの入力として取り上げる。 そこで我々は,大規模言語モデル(LLM)の言語理解と生成能力を利用して,既存のトレーニングデータにおけるクエリやドキュメントからのクエリを書き換え,生成する。
  論文  参考訳（メタデータ） (2024-04-03T10:05:47Z)
• Improving Text Matching in E-Commerce Search with A Rationalizable, Intervenable and Fast Entity-Based Relevance Model [78.80174696043021]
  エンティティベース関連モデル(EBRM)と呼ばれる新しいモデルを提案する。 この分解により、高精度にクロスエンコーダQE関連モジュールを使用できる。 また、ユーザログから自動生成されたQEデータによるQEモジュールの事前トレーニングにより、全体的なパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2023-07-01T15:44:53Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• Query Rewriting via Cycle-Consistent Translation for E-Commerce Search [13.723266150864037]
  本稿では,新しいディープニューラルネットワークによる問合せ書き換え手法を提案する。 繰り返し機械翻訳問題にクエリ書き換えを定式化します。 最新の機械翻訳モデルと連動した、新しいサイクル整合性トレーニングアルゴリズムを紹介します。
  論文  参考訳（メタデータ） (2021-03-01T06:47:12Z)
• Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
  本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。 アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。 当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
  論文  参考訳（メタデータ） (2020-12-09T17:56:22Z)
• Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
  本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。 我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-05-24T11:37:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。