論文の概要: Beyond Retrieval-Ranking: A Multi-Agent Cognitive Decision Framework for E-Commerce Search
- arxiv url: http://arxiv.org/abs/2510.20567v1
- Date: Thu, 23 Oct 2025 13:55:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:18.03073
- Title: Beyond Retrieval-Ranking: A Multi-Agent Cognitive Decision Framework for E-Commerce Search
- Title（参考訳）: Retrieval-Ranking:Eコマース検索のためのマルチエージェント認知決定フレームワーク
- Authors: Zhouwei Zhai, Mengxiang Chen, Haoyun Xia, Jin Li, Renquan Zhou, Min Yang,
- Abstract要約: 検索レベルのパラダイムは、プラットフォームユーザの多段階認知決定プロセスと誤解する。
受動的検索から積極的な意思決定支援へパラダイムをシフトさせる多エージェント認知決定フレームワーク(MACDF)を提案する。
JD検索プラットフォーム上でのオンラインA/Bテストは、その実用性を確認する。
- 参考スコア（独自算出の注目度）: 10.160028965489577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The retrieval-ranking paradigm has long dominated e-commerce search, but its reliance on query-item matching fundamentally misaligns with multi-stage cognitive decision processes of platform users. This misalignment introduces critical limitations: semantic gaps in complex queries, high decision costs due to cross-platform information foraging, and the absence of professional shopping guidance. To address these issues, we propose a Multi-Agent Cognitive Decision Framework (MACDF), which shifts the paradigm from passive retrieval to proactive decision support. Extensive offline evaluations demonstrate MACDF's significant improvements in recommendation accuracy and user satisfaction, particularly for complex queries involving negation, multi-constraint, or reasoning demands. Online A/B testing on JD search platform confirms its practical efficacy. This work highlights the transformative potential of multi-agent cognitive systems in redefining e-commerce search.
- Abstract（参考訳）: 検索レベルのパラダイムは、長い間Eコマース検索を支配してきたが、基本的にプラットフォームユーザの多段階認知決定プロセスと一致するクエリイテムに依存している。
このミスアライメントは、複雑なクエリのセマンティックなギャップ、クロスプラットフォームの情報収集による高い意思決定コスト、プロフェッショナルなショッピングガイダンスの欠如といった、重要な制限を導入している。
これらの課題に対処するため,多エージェント認知決定フレームワーク (MACDF) を提案する。
大規模なオフライン評価は、特に否定、マルチ制約、推論要求を含む複雑なクエリに対して、MACDFの推奨精度とユーザの満足度が大幅に向上したことを示している。
JD検索プラットフォーム上でのオンラインA/Bテストは、その実用性を確認する。
この研究は、eコマース検索を再定義する上で、マルチエージェント認知システムの変革の可能性を強調している。
関連論文リスト
- Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。
25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。
私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
論文 参考訳（メタデータ） (2025-10-01T07:59:03Z) - 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) - Knowledge-Aware Iterative Retrieval for Multi-Agent Systems [0.0]
本稿では,新しい大規模言語モデル (LLM) によるエージェントフレームワークを提案する。
動的に進化する知識を活用することで、クエリを反復的に洗練し、文脈的証拠をフィルタリングする。
提案システムは、更新されたコンテキストの競合的および協調的な共有をサポートする。
論文 参考訳（メタデータ） (2025-03-17T15:27:02Z) - Identifying High Consideration E-Commerce Search Queries [27.209699168631445]
本稿では,Eコマースサイトにおけるハイリフレクション(HC)クエリを識別するために,EQR(Engagement-based Query Ranking)アプローチを提案する。
EQRは、人気信号よりも、顧客の行動、財務、カタログ情報に関連するクエリレベルの特徴を優先する。
モデルは商業的にデプロイされ、ダウンストリームの顧客への影響の観点から、人間の選択したクエリよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2024-10-17T18:22:42Z) - 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) - An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。
a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。
ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
論文 参考訳（メタデータ） (2024-05-22T02:32:58Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions [53.07022684941739]
これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。
エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
論文 参考訳（メタデータ） (2023-10-02T16:49:39Z)
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。