論文の概要: REVISION:Reflective Intent Mining and Online Reasoning Auxiliary for E-commerce Visual Search System Optimization

• arxiv url: http://arxiv.org/abs/2510.22739v1
• Date: Sun, 26 Oct 2025 16:15:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.349015
• Title: REVISION:Reflective Intent Mining and Online Reasoning Auxiliary for E-commerce Visual Search System Optimization
• Title（参考訳）: リフレクション:電子商取引ビジュアルサーチシステム最適化のためのリフレクティブインテントマイニングとオンライン推論補助
• Authors: Yiwen Tang, Qiuyu Zhao, Zenghui Sun, Jinsong Lan, Xiaoyong Zhu, Bo Zheng, Kaifu Zhang,
• Abstract要約: Taobaoのeコマースビジュアルサーチでは、ユーザの行動分析によって、クリック不要なリクエストのかなりの割合が明らかになった。 ユーザの暗黙的意図表現とシステム応答のこのミスマッチは、User-SearchSys Intent Discrepancyを定義します。 オフライン推論マイニングとオンライン意思決定と実行を統合した新しいフレームワークREVISIONを提案する。
• 参考スコア（独自算出の注目度）: 16.530984854626038
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In Taobao e-commerce visual search, user behavior analysis reveals a large proportion of no-click requests, suggesting diverse and implicit user intents. These intents are expressed in various forms and are difficult to mine and discover, thereby leading to the limited adaptability and lag in platform strategies. This greatly restricts users' ability to express diverse intents and hinders the scalability of the visual search system. This mismatch between user implicit intent expression and system response defines the User-SearchSys Intent Discrepancy. To alleviate the issue, we propose a novel framework REVISION. This framework integrates offline reasoning mining with online decision-making and execution, enabling adaptive strategies to solve implicit user demands. In the offline stage, we construct a periodic pipeline to mine discrepancies from historical no-click requests. Leveraging large models, we analyze implicit intent factors and infer optimal suggestions by jointly reasoning over query and product metadata. These inferred suggestions serve as actionable insights for refining platform strategies. In the online stage, REVISION-R1-3B, trained on the curated offline data, performs holistic analysis over query images and associated historical products to generate optimization plans and adaptively schedule strategies across the search pipeline. Our framework offers a streamlined paradigm for integrating large models with traditional search systems, enabling end-to-end intelligent optimization across information aggregation and user interaction. Experimental results demonstrate that our approach improves the efficiency of implicit intent mining from large-scale search logs and significantly reduces the no-click rate.
• Abstract（参考訳）: Taobaoのeコマースビジュアルサーチでは、ユーザ行動分析によって、クリック不要な要求が多数発生し、多様で暗黙的なユーザ意図が示唆されている。 これらの意図は様々な形で表現され、マイニングや発見が難しいため、プラットフォーム戦略の適応性や遅延が制限される。 これにより、ユーザが多様な意図を表現できる能力が大幅に制限され、ビジュアル検索システムのスケーラビリティが阻害される。 ユーザの暗黙的意図表現とシステム応答のこのミスマッチは、User-SearchSys Intent Discrepancyを定義します。 この問題を軽減するために,我々は新しいフレームワークREVISIONを提案する。 このフレームワークはオフラインの推論マイニングとオンラインの意思決定と実行を統合し、適応的な戦略によって暗黙のユーザ要求を解決する。 オフラインの段階では、履歴的なノークリック要求から不一致をマイニングするための周期パイプラインを構築します。 大規模モデルを活用することで、暗黙の意図因子を分析し、クエリと製品メタデータを共同で推論することで最適な提案を推測する。 これらの推測された提案は、プラットフォーム戦略を洗練するための実用的な洞察となる。 オンライン段階では、オフラインデータに基づいてトレーニングされたREVISION-R1-3Bは、クエリ画像と関連する履歴製品に関する総合的な分析を行い、最適化計画を生成し、検索パイプライン全体にわたる戦略を適応的にスケジュールする。 我々のフレームワークは,大規模モデルを従来の検索システムと統合するための合理化パラダイムを提供し,情報集約とユーザインタラクションをまたいだエンドツーエンドのインテリジェントな最適化を可能にする。 実験の結果,大規模な探索ログから暗黙の意図的マイニングの効率が向上し,クリック数を大幅に削減できることがわかった。

関連論文リスト

• Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
  そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。 提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-19T16:46:11Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• Intent-Aware Neural Query Reformulation for Behavior-Aligned Product Search [0.0]
  この作業では、大規模なバイヤークエリログのマイニングと分析用に設計された堅牢なデータパイプラインが導入されている。 パイプラインは、潜在購入意図を示すパターンを体系的にキャプチャし、高忠実でインテントリッチなデータセットの構築を可能にする。 本研究は,スパースユーザ入力と複雑な製品発見目標とのギャップを埋めることにおける意図中心モデリングの価値を強調した。
  論文  参考訳（メタデータ） (2025-07-29T20:20:07Z)
• AI Guided Accelerator For Search Experience [4.832123045961485]
  本稿では,ユーザの最終購入意図に向けての旅の間に生じる中間的変更を,トランジショナルなクエリを明示的にモデル化する新しいフレームワークを提案する。 このアプローチは,探索行動や意図の洗練を反映した中途半端なトランジションをユーザのショッピングファンネルをモデル化する。 我々の貢献には、(i)トランザクショナルクエリの形式的識別とモデリング、(ii)インテントフロー理解のための構造化クエリシーケンスマイニングパイプラインの導入、(iii)スケーラブルでインテント対応のクエリ拡張のためのLLMの適用が含まれる。
  論文  参考訳（メタデータ） (2025-07-25T23:26:00Z)
• Fast or Better? Balancing Accuracy and Cost in Retrieval-Augmented Generation with Flexible User Control [52.405085773954596]
  Retrieval-Augmented Generationは、大規模な言語モデル幻覚を緩和するための強力なアプローチとして登場した。 既存のRAGフレームワークは、しばしば無差別に検索を適用し、非効率な再検索につながる。 本稿では,精度・コストのトレードオフを動的に調整できる新しいユーザ制御可能なRAGフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:56:20Z)
• 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)
• Interactive Graph Convolutional Filtering [79.34979767405979]
  インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。 これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。 既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。 提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
  論文  参考訳（メタデータ） (2023-09-04T09:02:31Z)

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。