論文の概要: Multi-objective Aligned Bidword Generation Model for E-commerce Search Advertising

• arxiv url: http://arxiv.org/abs/2506.03827v1
• Date: Wed, 04 Jun 2025 10:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.293123
• Title: Multi-objective Aligned Bidword Generation Model for E-commerce Search Advertising
• Title（参考訳）: 電子商取引検索広告のための多目的アライメントバイドワード生成モデル
• Authors: Zhenhui Liu, Chunyuan Yuan, Ming Pang, Zheng Fang, Li Yuan, Xue Jiang, Changping Peng, Zhangang Lin, Zheng Luo, Jingping Shao,
• Abstract要約: 検索システムは、ユーザクエリを最も関連性の高い広告とマッチングするという課題に対処する。 識別器,ジェネレータ,選好アライメントモジュールで構成される多目的整列バイドワード生成モデル(MoBGM)を提案する。 提案アルゴリズムは,オフラインおよびオンライン実験において,技術の現状を著しく上回っている。
• 参考スコア（独自算出の注目度）: 16.8420671443003
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval systems primarily address the challenge of matching user queries with the most relevant advertisements, playing a crucial role in e-commerce search advertising. The diversity of user needs and expressions often produces massive long-tail queries that cannot be matched with merchant bidwords or product titles, which results in some advertisements not being recalled, ultimately harming user experience and search efficiency. Existing query rewriting research focuses on various methods such as query log mining, query-bidword vector matching, or generation-based rewriting. However, these methods often fail to simultaneously optimize the relevance and authenticity of the user's original query and rewrite and maximize the revenue potential of recalled ads. In this paper, we propose a Multi-objective aligned Bidword Generation Model (MoBGM), which is composed of a discriminator, generator, and preference alignment module, to address these challenges. To simultaneously improve the relevance and authenticity of the query and rewrite and maximize the platform revenue, we design a discriminator to optimize these key objectives. Using the feedback signal of the discriminator, we train a multi-objective aligned bidword generator that aims to maximize the combined effect of the three objectives. Extensive offline and online experiments show that our proposed algorithm significantly outperforms the state of the art. After deployment, the algorithm has created huge commercial value for the platform, further verifying its feasibility and robustness.
• Abstract（参考訳）: 検索システムは、ユーザクエリを最も関連性の高い広告とマッチングするという課題に対処し、eコマース検索広告において重要な役割を果たす。 ユーザニーズと表現の多様性は、しばしば、商人の入札語や製品タイトルと一致しない巨大なロングテールクエリを生成し、その結果、一部の広告はリコールされず、最終的にはユーザエクスペリエンスと検索効率を損なう。 既存のクエリ書き換え研究は、クエリログマイニング、クエリ/ワードベクトルマッチング、ジェネレーションベースの書き換えなど、さまざまな方法に焦点を当てている。 しかし、これらの手法は、ユーザの元のクエリの妥当性と信頼性を同時に最適化することができず、リコールされた広告の収益ポテンシャルを最大化することができる。 本稿では,これらの課題に対処するために,識別器,ジェネレータ,選好アライメントモジュールからなる多目的整列バイドワード生成モデル(MoBGM)を提案する。 クエリの妥当性と信頼性を同時に向上し、プラットフォーム収益を最大化するために、これらの主要な目的を最適化する識別器を設計する。 判別器のフィードバック信号を用いて、3つの目的の組合せ効果を最大化することを目的とした多目的整列入札語生成装置を訓練する。 大規模なオフラインおよびオンライン実験により、提案アルゴリズムは最先端のアルゴリズムよりも大幅に優れていることが示された。 デプロイ後、このアルゴリズムはプラットフォームにとって大きな商業的価値を生み出し、その実現可能性と堅牢性をさらに検証した。

関連論文リスト

• Generative Retrieval and Alignment Model: A New Paradigm for E-commerce Retrieval [12.705202836685189]
  本稿では,GRAM(Generative Retrieval and Alignment Model)という新しいeコマース検索パラダイムを紹介する。 GRAMは、クエリと製品の両方からのテキスト情報を共同でトレーニングして、共有テキストコードを生成する。 GRAMは従来のモデルと最新の生成的検索モデルを大きく上回っている。
  論文  参考訳（メタデータ） (2025-04-02T06:40:09Z)
• Multimodal semantic retrieval for product search [6.185573921868495]
  商品の純粋テキスト表現とは対照的に,eコマース検索における商品項目のマルチモーダル表現を構築した。 商品のマルチモーダル表現スキームは,セマンティック検索における購入リコールや関連精度の向上を示すことができることを示す。
  論文  参考訳（メタデータ） (2025-01-13T14:34:26Z)
• QPO: Query-dependent Prompt Optimization via Multi-Loop Offline Reinforcement Learning [58.767866109043055]
  クエリ依存型プロンプト最適化(QPO)を導入し、入力クエリに合わせて最適なプロンプトを生成するために、小さな事前訓練された言語モデルを反復的に微調整する。 我々は、オープンソースのタスクに様々なプロンプトをベンチマークする副産物として、すでに大量に存在するオフラインのプロンプトデータから洞察を得る。 様々なLLMスケールと多様なNLPおよび数学タスクの実験は、ゼロショットと少数ショットの両方のシナリオにおいて、我々の手法の有効性とコスト効率を実証している。
  論文  参考訳（メタデータ） (2024-08-20T03:06:48Z)
• Generative Retrieval with Preference Optimization for E-commerce Search [16.78829577915103]
  我々は、好みを最適化した生成検索という、Eコマース検索のための革新的なフレームワークを開発する。 生の項目のタイトルを表すためにマルチスパン識別子を使用し、クエリからタイトルを生成するタスクを、クエリからマルチスパン識別子を生成するタスクに変換する。 実験の結果,本フレームワークは実世界のデータセット上での競合性能を実現し,オンラインA/Bテストはコンバージョンゲインの改善における優位性と有効性を示した。
  論文  参考訳（メタデータ） (2024-07-29T09:31:19Z)
• 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)
• DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
  マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。 提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。 様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
  論文  参考訳（メタデータ） (2024-01-02T07:40:12Z)
• Diversity driven Query Rewriting in Search Advertising [1.5289756643078838]
  生成的検索モデルは、このようなクエリの書き直しを生成するタスクにおいて有効であることが示されている。 高品質かつ多様な書き直しを生成するフレームワークであるCLOVERを紹介します。 提案手法の有効性を,3つの主要言語にまたがる検索クエリのオフライン実験により実証的に示す。
  論文  参考訳（メタデータ） (2021-06-07T17:30:45Z)
• ProphetNet-Ads: A Looking Ahead Strategy for Generative Retrieval Models in Sponsored Search Engine [123.65646903493614]
  生成的検索モデルは、ターゲットライブラリプレフィックスツリー(Trie)のパス上でトークンによる出力トークンを生成する 本稿では,これらの問題を解析し,ProphetNet-Adsと呼ばれる生成検索モデルの今後の戦略を提案する。 最近提案されたトリエ型LSTM生成モデルと比較すると,本モデルの結果と統合結果は,ビームサイズ5でそれぞれ15.58%と18.8%改善した。
  論文  参考訳（メタデータ） (2020-10-21T07:03:20Z)

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。