論文の概要: OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search

• arxiv url: http://arxiv.org/abs/2509.03236v1
• Date: Wed, 03 Sep 2025 11:50:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.500545
• Title: OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search
• Title（参考訳）: OneSearch:Eコマース検索のための統一エンドツーエンド生成フレームワークの予備的探索
• Authors: Ben Chen, Xian Guo, Siyuan Wang, Zihan Liang, Yue Lv, Yufei Ma, Xinlong Xiao, Bowen Xue, Xuxin Zhang, Ying Yang, Huangyu Dai, Xing Xu, Tong Zhao, Mingcan Peng, XiaoYang Zheng, Cong Zhang, Qihang Zhao, Yuqing Ding, Chenyi Lei, Wenwu Ou, Han Li,
• Abstract要約: OneSearchは、eコマース検索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。 クアイシュ州の複数の検索シナリオにまたがって展開され、数百万のユーザにサービスを提供し、毎日数千万のPVを発生させている。
• 参考スコア（独自算出の注目度）: 33.34601719570737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional e-commerce search systems employ multi-stage cascading architectures (MCA) that progressively filter items through recall, pre-ranking, and ranking stages. While effective at balancing computational efficiency with business conversion, these systems suffer from fragmented computation and optimization objective collisions across stages, which ultimately limit their performance ceiling. To address these, we propose \textbf{OneSearch}, the first industrial-deployed end-to-end generative framework for e-commerce search. This framework introduces three key innovations: (1) a Keyword-enhanced Hierarchical Quantization Encoding (KHQE) module, to preserve both hierarchical semantics and distinctive item attributes while maintaining strong query-item relevance constraints; (2) a multi-view user behavior sequence injection strategy that constructs behavior-driven user IDs and incorporates both explicit short-term and implicit long-term sequences to model user preferences comprehensively; and (3) a Preference-Aware Reward System (PARS) featuring multi-stage supervised fine-tuning and adaptive reward-weighted ranking to capture fine-grained user preferences. Extensive offline evaluations on large-scale industry datasets demonstrate OneSearch's superior performance for high-quality recall and ranking. The rigorous online A/B tests confirm its ability to enhance relevance in the same exposure position, achieving statistically significant improvements: +1.67\% item CTR, +2.40\% buyer, and +3.22\% order volume. Furthermore, OneSearch reduces operational expenditure by 75.40\% and improves Model FLOPs Utilization from 3.26\% to 27.32\%. The system has been successfully deployed across multiple search scenarios in Kuaishou, serving millions of users, generating tens of millions of PVs daily.
• Abstract（参考訳）: 伝統的なeコマース検索システムは多段階カスケードアーキテクチャ(MCA)を使用しており、リコール、プレランク、ランキングステージを通じてアイテムを段階的にフィルタリングする。 計算効率とビジネス変換のバランスをとるのに効果的であるが、これらのシステムは断片化された計算と最適化目的の衝突に悩まされ、最終的に性能の上限が制限される。 そこで本研究では,eコマース検索のための初の産業展開型エンドツーエンド生成フレームワークである \textbf{OneSearch} を提案する。 本フレームワークでは,(1)キーワードを付加した階層的量子化符号化(KHQE)モジュールを用いて,クエリ関連性制約を強く保ちながら,階層的セマンティクスと特徴的項目属性の両方を保存し,(2)動作駆動型ユーザIDを構築し,明示的な短期的および暗黙的な長期的シーケンスを包括的にモデル化するマルチビューユーザ行動シーケンスインジェクション戦略,(3)マルチステージの教師付き微調整と適応型報酬重み付きランキングを備えたpreference-Aware Reward System(PARS)を導入する。 大規模な業界データセットに対する大規模なオフライン評価は、高品質なリコールとランキングにおいて、OneSearchの優れたパフォーマンスを示している。 厳格なオンラインA/Bテストは、同じ露出位置における関連性を高める能力を確認し、統計学的に有意な改善を実現している:+1.67\%アイテムCTR、+2.40\%バイヤー、+3.22\%オーダーボリューム。 さらに、OneSearchは運用費を75.40 %削減し、Model FLOPsの利用を3.26 %から27.32 %に改善する。 このシステムはKuaishouの複数の検索シナリオにまたがって展開され、数百万のユーザにサービスを提供し、毎日数千万のPVを発生させている。

関連論文リスト

• Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search [54.987957691350665]
  クエリ駆動テキスト要約(QDTS)は、与えられたクエリに基づいてテキスト文書から簡潔で情報的な要約を生成することを目的としている。 従来の抽出的要約モデルは、主にランク付け候補の要約セグメントに基づいており、産業応用において支配的なアプローチとなっている。 産業Web検索におけるリアルタイムQDTSに対処するための生成モデルの適用を開拓するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-28T08:51:51Z)
• Zero-Shot Retrieval for Scalable Visual Search in a Two-Sided Marketplace [0.0]
  本稿では,MercuriのC2Cマーケットプレースに展開するスケーラブルなビジュアルサーチシステムを提案する。 我々は、ゼロショット画像検索のための最近の視覚言語モデルを評価し、その性能を既存の微調整ベースラインと比較する。
  論文  参考訳（メタデータ） (2025-07-31T05:13:20Z)
• OneSug: The Unified End-to-End Generative Framework for E-commerce Query Suggestion [22.63172274938755]
  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。
  論文  参考訳（メタデータ） (2025-06-07T20:24:05Z)
• AgentSwift: Efficient LLM Agent Design via Value-guided Hierarchical Search [58.98450205734779]
  大規模言語モデル(LLM)エージェントは、多様なドメインにまたがる強力な機能を示している。 既存のエージェントサーチ手法には3つの大きな制限がある。 これらの課題に対処するための包括的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2025-06-06T12:07:23Z)
• DeepShop: A Benchmark for Deep Research Shopping Agents [70.03744154560717]
  DeepShopは、複雑なリアルなオンラインショッピング環境でWebエージェントを評価するために設計されたベンチマークである。 5つの人気のあるオンラインショッピングドメインに多様なクエリを生成します。 エージェントの性能をきめ細かな面から評価する自動評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-03T13:08:17Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Optimizing E-commerce Search: Toward a Generalizable and Rank-Consistent Pre-Ranking Model [13.573766789458118]
  大規模なeコマースプラットフォームでは、ダウンストリームランキングモジュールのために、前もって製品の大部分をフィルタリングするために、プレグレードフェーズが不可欠である。 1) 製品がトップk内にあるかどうかを予測する複数のバイナリ分類タスクを導入し、共通のポイントワイドランキングモデルでの学習目標の追加を容易にする。2) 製品埋め込みのサブセットを事前トレーニングすることで、すべての製品に対するコントラスト学習による一般化性。
  論文  参考訳（メタデータ） (2024-05-09T07:55:52Z)
• Towards General and Efficient Online Tuning for Spark [55.30868031221838]
  本稿では,3つの問題を同時に処理できる汎用的で効率的なSparkチューニングフレームワークを提案する。 我々は、このフレームワークを独立したクラウドサービスとして実装し、Tencentのデータプラットフォームに適用しました。
  論文  参考訳（メタデータ） (2023-09-05T02:16:45Z)
• DHA: End-to-End Joint Optimization of Data Augmentation Policy, Hyper-parameter and Architecture [81.82173855071312]
  本稿では,AutoMLコンポーネントを統合したエンドツーエンドソリューションを提案する。 Dhaは、様々なデータセット、特にセルベースの検索空間を持つImageNetの77.4%の精度で、最先端(SOTA)結果を達成する。
  論文  参考訳（メタデータ） (2021-09-13T08:12:50Z)

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。