論文の概要: OneSug: The Unified End-to-End Generative Framework for E-commerce Query Suggestion

• arxiv url: http://arxiv.org/abs/2506.06913v1
• Date: Sat, 07 Jun 2025 20:24:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 21:10:47.06461
• Title: OneSug: The Unified End-to-End Generative Framework for E-commerce Query Suggestion
• Title（参考訳）: OneSug:Eコマースクエリ提案のための統一エンドツーエンド生成フレームワーク
• Authors: Xian Guo, Ben Chen, Siyuan Wang, Ying Yang, Chenyi Lei, Yuqing Ding, Han Li,
• Abstract要約: OneSugは、eコマースクエリ提案のためのエンドツーエンドの生成フレームワークである。 OneSugは、KuaishouプラットフォームのEコマース検索エンジンで1ヶ月以上にわたって、全トラフィックに成功している。
• 参考スコア（独自算出の注目度）: 22.63172274938755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Query suggestion plays a crucial role in enhancing user experience in e-commerce search systems by providing relevant query recommendations that align with users' initial input. This module helps users navigate towards personalized preference needs and reduces typing effort, thereby improving search experience. Traditional query suggestion modules usually adopt multi-stage cascading architectures, for making a well trade-off between system response time and business conversion. But they often suffer from inefficiencies and suboptimal performance due to inconsistent optimization objectives across stages. To address these, we propose OneSug, the first end-to-end generative framework for e-commerce query suggestion. OneSug incorporates a prefix2query representation enhancement module to enrich prefixes using semantically and interactively related queries to bridge content and business characteristics, an encoder-decoder generative model that unifies the query suggestion process, and a reward-weighted ranking strategy with behavior-level weights to capture fine-grained user preferences. Extensive evaluations on large-scale industry datasets demonstrate OneSug's ability for effective and efficient query suggestion. Furthermore, OneSug has been successfully deployed for the entire traffic on the e-commerce search engine in Kuaishou platform for over 1 month, with statistically significant improvements in user top click position (-9.33%), CTR (+2.01%), Order (+2.04%), and Revenue (+1.69%) over the online multi-stage strategy, showing great potential in e-commercial conversion.
• Abstract（参考訳）: クエリ提案は,電子商取引検索システムにおけるユーザエクスペリエンス向上に重要な役割を担い,ユーザの初期入力と整合した関連するクエリレコメンデーションを提供する。 このモジュールは、ユーザがパーソナライズされた好みのニーズに向かってナビゲートし、タイピングの労力を減らし、検索エクスペリエンスを向上させる。 従来のクエリ提案モジュールは通常、システム応答時間とビジネス変換のトレードオフをうまく行うために、マルチステージのカスケードアーキテクチャを採用する。 しかし、彼らはしばしば、ステージ間の不整合最適化目標のために、非効率性と準最適パフォーマンスに悩まされる。 そこで我々は,eコマースクエリ提案のための最初のエンドツーエンド生成フレームワークであるOneSugを提案する。 OneSugにはプレフィックス2query表現拡張モジュールが組み込まれており、セマンティックおよび対話的なクエリを使用して、コンテンツとビジネス特性をブリッジするためにプレフィックスを強化し、クエリ提案プロセスを統一するエンコーダ・デコーダ生成モデルと、詳細なユーザの好みを捉えるための行動レベルの重み付き報酬重み付きランキング戦略が組み込まれている。 大規模な業界データセットに対する大規模な評価は、OneSugの効率的かつ効率的なクエリ提案能力を示している。 さらに、OneSugはKuaishouプラットフォームにおけるEコマース検索エンジンの全トラフィックに対して1ヶ月以上にわたって成功し、オンラインマルチステージ戦略よりもユーザトップクリック位置(-9.33%)、CTR(+2.01%)、オーダー(+2.04%)、収益(+1.69%)が統計的に大幅に改善され、eコマース変換に大きな可能性を示している。

関連論文リスト

• MOHPER: Multi-objective Hyperparameter Optimization Framework for E-commerce Retrieval System [1.5960546024967321]
  MOHPERはeコマースサイトの多目的最適化フレームワークである。 クリックスルーレート(CTR)、クリックスルー変換レート(CTCVR)、関連する目的を共同で最適化する。 これは、ユーザの満足度と収益目標の両方に合わせたバランスの取れた最適化を達成する上で、その実用的効果を裏付けるものだ。
  論文  参考訳（メタデータ） (2025-03-07T08:25:08Z)
• Centrality-aware Product Retrieval and Ranking [14.710718676076327]
  本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。 本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-21T11:59:14Z)
• Enhancing DETRs Variants through Improved Content Query and Similar Query Aggregation [27.07277433645018]
  SACQ(Self-Adaptive Content Query)を新たに導入する。 SACQは自己アテンションプーリングを通じてコンテンツクエリを生成する。 候補クエリを入力イメージに適応させることで、より包括的なコンテンツが事前に提供され、ターゲットオブジェクトにもっとフォーカスできるようになる。 我々は、SACQと協調するクエリ集約戦略を提案し、類似の予測候補を異なるクエリからマージし、最適化を緩和する。
  論文  参考訳（メタデータ） (2024-05-06T09:50:04Z)
• Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
  情報検索対話システムは電子商取引システムで広く利用されている。 クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。 関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
  論文  参考訳（メタデータ） (2024-03-22T08:10:32Z)
• Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
  本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
  論文  参考訳（メタデータ） (2024-01-12T15:26:40Z)
• 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)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• Conditional Sequential Slate Optimization [15.10459152219771]
  検索ランキングシステムは通常、検索結果を独立したクエリ文書スコアで順序付けし、検索結果のスレートを生成する。 本稿では,従来のランク付け指標の最適化と,スレート内の文書の所定の分布基準を共同で学習する条件付きシーケンシャルスレート最適化(CSSO)を提案する。 提案手法は,eコマース検索結果の多様性の強化,トップ検索結果のバイアス軽減,結果のパーソナライズなど,現実的な課題に適用できる。
  論文  参考訳（メタデータ） (2021-08-12T09:14:46Z)

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。