論文の概要: Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace

• arxiv url: http://arxiv.org/abs/2302.11052v1
• Date: Tue, 21 Feb 2023 23:10:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 16:54:16.498218
• Title: Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace
• Title（参考訳）: que2engage: facebook marketplaceにおける関連商品および関連商品の埋め込み検索
• Authors: Yunzhong He, Yuxin Tian, Mengjiao Wang, Feier Chen, Licheng Yu, Maolong Tang, Congcong Chen, Ning Zhang, Bin Kuang, Arul Prakash
• Abstract要約: Que2Engageは、エンドツーエンド最適化のための検索とランキングのギャップを埋めるために構築された検索用EBRシステムである。 提案手法の有効性を,マルチタスク評価フレームワークと徹底的なベースライン比較およびアブレーション研究を通じて示す。
• 参考スコア（独自算出の注目度）: 15.054431410052851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embedding-based Retrieval (EBR) in e-commerce search is a powerful search retrieval technique to address semantic matches between search queries and products. However, commercial search engines like Facebook Marketplace Search are complex multi-stage systems optimized for multiple business objectives. At Facebook Marketplace, search retrieval focuses on matching search queries with relevant products, while search ranking puts more emphasis on contextual signals to up-rank the more engaging products. As a result, the end-to-end searcher experience is a function of both relevance and engagement, and the interaction between different stages of the system. This presents challenges to EBR systems in order to optimize for better searcher experiences. In this paper we presents Que2Engage, a search EBR system built towards bridging the gap between retrieval and ranking for end-to-end optimizations. Que2Engage takes a multimodal & multitask approach to infuse contextual information into the retrieval stage and to balance different business objectives. We show the effectiveness of our approach via a multitask evaluation framework and thorough baseline comparisons and ablation studies. Que2Engage is deployed on Facebook Marketplace Search and shows significant improvements in searcher engagement in two weeks of A/B testing.
• Abstract（参考訳）: eコマース検索における埋め込み型検索(EBR)は,検索クエリと製品間のセマンティックマッチに対処する強力な検索手法である。 しかし、facebook marketplace searchのような商用検索エンジンは、複数のビジネス目的に最適化された複雑な多段階システムである。 Facebook Marketplaceでは、検索検索は検索クエリと関連する製品とのマッチングに重点を置いている。 その結果、エンド・ツー・エンドの検索体験は、関連性とエンゲージメントの両方の機能であり、システムの異なる段階間の相互作用である。 これにより、より優れたサーチエクスペリエンスを実現するために、EBRシステムに課題が提示される。 本稿では、エンドツーエンド最適化のための検索とランキングのギャップを埋めるために構築された検索EBRシステムであるQue2Engageを提案する。 que2engageはマルチモーダルとマルチタスクのアプローチを採用し、コンテキスト情報を検索ステージに注入し、異なるビジネス目標のバランスをとる。 提案手法の有効性を,マルチタスク評価フレームワークと徹底的なベースライン比較およびアブレーション研究を通じて示す。 que2engageはfacebook marketplace searchにデプロイされ、2週間のa/bテストで検索者のエンゲージメントが大幅に向上している。

関連論文リスト

• Exploring Query Understanding for Amazon Product Search [62.53282527112405]
  問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。 ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。 本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
  論文  参考訳（メタデータ） (2024-08-05T03:33:11Z)
• 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)
• ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。 ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Large Language Models for Relevance Judgment in Product Search [48.56992980315751]
  検索クエリに対する検索および再ランクされたアイテムの高い関連性は、製品検索の成功の土台である。 本稿では,大規模言語モデル(LLM)を活用して,クエリ・イテムペア(QIP)の関連判断を大規模に自動化する手法について述べる。 本研究は,製品検索における関連判断の自動化の分野への直接的な影響を示唆するものである。
  論文  参考訳（メタデータ） (2024-06-01T00:52:41Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• Semantic Equivalence of e-Commerce Queries [6.232692545488813]
  本稿では,クエリの等価性を認識・活用し,検索とビジネスの成果を高めるためのフレームワークを提案する。 提案手法は,検索意図のベクトル表現へのクエリのマッピング,等価あるいは類似の意図を表現した近傍のクエリの特定,ユーザやビジネス目的の最適化という3つの重要な問題に対処する。
  論文  参考訳（メタデータ） (2023-08-07T18:40:13Z)
• Multi-Objective Personalized Product Retrieval in Taobao Search [27.994166796745496]
  関連性, 露出性, クリック性, 購入性の4つの階層的最適化目標を持つ, 新規な多目的パーソナライズされた製品検索モデルを提案する。 MOPPRは28日間のオンラインA/Bテストで0.96%のトランザクションと1.29%のGMV改善を達成した。 2021年のDouble-11ショッピングフェスティバル以来、MOPPRは従来のMGDSPRに代わるモバイルタオバオ検索に完全に配備されている。
  論文  参考訳（メタデータ） (2022-10-09T05:18:42Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• Analysing Mixed Initiatives and Search Strategies during Conversational Search [31.63357369175702]
  本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。 分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
  論文  参考訳（メタデータ） (2021-09-13T13:30:10Z)

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。