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
- Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳(メタデータ) (2023-10-23T05:52:09Z) - 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) - End-to-end Knowledge Retrieval with Multi-modal Queries [50.01264794081951]
ReMuQは、テキストと画像のクエリからコンテンツを統合することで、大規模なコーパスから知識を取得するシステムを必要とする。
本稿では,入力テキストや画像を直接処理し,関連する知識をエンドツーエンドで検索する検索モデルReViz'を提案する。
ゼロショット設定下での2つのデータセットの検索において,優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-01T08:04:12Z) - 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) - Compositional Attention: Disentangling Search and Retrieval [66.7108739597771]
Multi-head, key-value attention は Transformer モデルとそのバリエーションのバックボーンである。
標準的なアテンションヘッドは、検索と検索の間の厳密なマッピングを学ぶ。
本稿では,標準ヘッド構造を置き換える新しいアテンション機構であるコンポジションアテンションアテンションを提案する。
論文 参考訳(メタデータ) (2021-10-18T15:47:38Z) - 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) - From Semantic Retrieval to Pairwise Ranking: Applying Deep Learning in
E-commerce Search [11.459020190110019]
JD.comにおける製品検索における2つの重要な段階にディープラーニングモデルを導入する。
具体的には,ミリ秒以内のクエリに意味的関連項目を検索する深層学習システムと,微妙なユーザの嗜好を学習する一対の深層学習システムの設計について概説する。
論文 参考訳(メタデータ) (2021-03-24T04:37:32Z) - Sparse Reward Exploration via Novelty Search and Emitters [55.41644538483948]
本稿では,SparsE Reward Exploration via Novelty and Emitters (SERENE)アルゴリズムを提案する。
SERENEは、探索空間の探索と報酬の搾取を2つの交互プロセスに分けている。
メタスケジューラは、2つのプロセス間の交互にグローバルな計算予算を割り当てる。
論文 参考訳(メタデータ) (2021-02-05T12:34:54Z) - Tasks Integrated Networks: Joint Detection and Retrieval for Image
Search [99.49021025124405]
多くの現実世界の探索シナリオ(例えばビデオ監視)では、オブジェクトは正確に検出または注釈付けされることはめったにない。
まず、エンド・ツー・エンド統合ネット(I-Net)を紹介します。
さらに,2つの新しいコントリビューションを行うDC-I-Netという改良されたI-Netを提案する。
論文 参考訳(メタデータ) (2020-09-03T03:57:50Z)
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。