論文の概要: Beyond Matching: Category-Guided Latent Intent Reasoning for Generative Retrieval in E-Commerce

• arxiv url: http://arxiv.org/abs/2606.07075v2
• Date: Wed, 10 Jun 2026 07:02:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 14:23:44.337768
• Title: Beyond Matching: Category-Guided Latent Intent Reasoning for Generative Retrieval in E-Commerce
• Title（参考訳）: マッチングを超えて:Eコマースにおける創発的検索のためのカテゴリーガイド付き潜入型推論
• Authors: Fuwei Zhang, Xiaoyu Liu, Jiajie Jin, Jiale Mao, Wei Chen, Dongbo Xi, Yifan Yang, Peng Yan, Zichao Hao, Zhao Zhang, Fuzhen Zhuang,
• Abstract要約: CaLIRは、電子商取引生成検索のためのカテゴリー誘導潜在意図推論フレームワークである。 階層型セマンティック推論を導入し、潜在状態をカテゴリーレベルのショッピング意図と整合させる。 多言語eコマース検索データセットの実験により、CaLIRは既存の方法よりも検索効率と推論効率のバランスが良くなっていることが示された。
• 参考スコア（独自算出の注目度）: 33.55727546262202
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative retrieval offers a new paradigm for e-commerce search by mapping user queries directly to product Semantic Identifiers (SIDs). However, e-commerce queries are often short, noisy, attribute-heavy, and associated with multiple category-consistent products, creating a substantial representation gap between natural-language shopping intent and artificially constructed item SIDs. Explicit Chain-of-Thought (CoT) reasoning can help bridge this gap, but its extra generation cost is difficult to reconcile with the low-latency requirements of online e-commerce systems. To address this challenge, we propose CaLIR (Category-guided Latent Intent Reasoning), a category-guided latent intent reasoning framework for e-commerce generative retrieval. Rather than generating explicit textual rationales, CaLIR learns continuous latent intent states before SID decoding and uses product category hierarchies as a natural scaffold for coarse-to-fine intent reasoning. Specifically, we introduce hierarchical semantic reasoning to align latent states with category-level shopping intent, and query-wise reasoning enhancement to model diverse intent paths under multi-positive queries. CaLIR further combines a query-specific dynamic prefix trie, assembled from pre-indexed category-level tries, with reasoning-aware constrained decoding. Experiments on multilingual e-commerce search datasets show that CaLIR achieves a better balance between retrieval effectiveness and inference efficiency than existing methods, while also demonstrating transferability and robustness across induced hierarchies and different generative backbones.
• Abstract（参考訳）: 生成検索は,ユーザクエリを直接製品セマンティック識別子(SID)にマッピングすることで,eコマース検索の新しいパラダイムを提供する。 しかし、eコマースクエリはしばしば短く、騒々しく、属性重大であり、複数のカテゴリ一貫性のある製品と関連付けられており、自然言語ショッピング意図と人工的に構築されたアイテムSIDの間に実質的な差が生じる。 CoT(Chain-of-Thought)による説明は,このギャップを埋める上で有効だが,オンラインEコマースシステムの低レイテンシ要件に対処するための余分な生成コストは困難である。 この課題に対処するため,eコマース生成検索のためのカテゴリ誘導潜在意図推論フレームワークであるCaLIR(Category-guided Latent Intent Reasoning)を提案する。 明確なテキストの有理性を生成する代わりに、CaLIRはSID復号の前に連続的な潜伏意図状態を学び、粗大な意図推論のための自然な足場として製品カテゴリ階層を使用する。 具体的には,階層型セマンティック推論を導入して,潜在状態とカテゴリーレベルのショッピング意図を整合させるとともに,クエリワイド推論を多値クエリ下での多様なインテントパスをモデル化する。 CaLIRはさらに、事前にインデックス付けされたカテゴリレベルの試行から組み立てられたクエリ固有の動的プレフィックストリエと、推論を意識した制約付き復号を組み合わせている。 多言語eコマース検索データセットの実験では、CaLIRは既存の手法よりも検索効率と推論効率のバランスが良く、また、誘導階層と異なる生成バックボーン間での転送性と堅牢性を示す。

関連論文リスト

• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
  WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。 本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。 プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-07T14:51:17Z)
• A Chain-of-Thought Approach to Semantic Query Categorization in e-Commerce Taxonomies [1.1957890510931164]
  Chain-of-Thought(CoT)パラダイムは、単純なツリー検索とセマンティックスコアリングを組み合わせたものだ。 我々は、CoTアプローチが階層的な分類における問題を検出する方法を示す。
  論文  参考訳（メタデータ） (2026-01-01T23:36:13Z)
• 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)
• 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)
• 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)
• Generative Retrieval and Alignment Model: A New Paradigm for E-commerce Retrieval [12.318142818707317]
  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)
• 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)

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。