論文の概要: Enhancement of E-commerce Sponsored Search Relevancy with LLM

• arxiv url: http://arxiv.org/abs/2607.03886v1
• Date: Sat, 04 Jul 2026 14:07:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.745633
• Title: Enhancement of E-commerce Sponsored Search Relevancy with LLM
• Title（参考訳）: LLMによるeコマーススポンサー検索関連性の向上
• Abstract要約: 本稿では3つのカテゴリ(関連性,部分関連性,非関連性)にまたがる検索インタラクションの関連性を明らかにする新しいクエリと広告タイトル分類手法を提案する。 当社のアプローチでは、Eコマース支援検索コンテキストに特化してトレーニング済みモデルを適応させ、大規模なデータセットでトレーニングする。 微調整されたモデルでは、総合的なテストデータセットで89.43%の精度で、広告関連精度が著しく向上した。
• 参考スコア（独自算出の注目度）: 5.435243610074106
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sponsored search plays a crucial role as a revenue stream for search engines, wherein advertisers competitively bid on keywords that align with the users' search queries. The task of matching relevant keywords to these queries is complicated by the vast and ever-evolving space of keywords, the ambiguity of user and advertiser intentions, and the wide range of topics and languages involved. Consequently, ensuring that ads are pertinent to user queries presents significant challenges. In the fast-paced world of e-commerce, the accuracy of sponsored search results is vital for boosting user satisfaction and optimizing business operations. This paper presents the development of an advanced Ad Relevance Model within a sponsored search framework, utilizing the power of a pretrained large language model. We detail a pioneering adaptation of the LLAMA2 7B model through Low-Rank Adaptation (LoRA), which markedly enhances search precision and operational efficiency, thus opening new avenues for improving user interactions in extensive online marketplaces such as Walmart.com. We introduce a novel query and ad title classifier, which discerns the relevance of search interactions across three categories: Relevant, Partially Relevant, and Irrelevant. Our approach involved adapting the pretrained model specifically for the e-commerce sponsored search context, training it on a large dataset. The fine-tuned model demonstrated a marked improvement in ad relevance accuracy, achieving 89.43% accuracy on a comprehensive test dataset -- outperforming both the baseline model and other advanced language models like GPT-4. The integration of LoRA with the based model represents a significant stride in customizing language models for e-commerce applications, resulting in enhanced search accuracy, cost efficiency, and operational privacy -- a triad essential for the modern digital marketplace.
• Abstract（参考訳）: スポンサー検索は検索エンジンの収益源として重要な役割を担い、広告主はユーザーの検索クエリと整合するキーワードを競争的に入札する。 これらのクエリと関連するキーワードをマッチングするタスクは、広範かつ進化し続けるキーワードの空間、ユーザと広告主の意図のあいまいさ、幅広いトピックや言語によって複雑である。 その結果、広告がユーザクエリに関係していることを保証することは、大きな課題となる。 急激なeコマースの世界では、ユーザーの満足度を高め、ビジネス運用を最適化するために、スポンサー付き検索結果の精度が不可欠である。 本稿では,事前学習された大規模言語モデルのパワーを利用して,検索フレームワーク内でのアドレバンスモデルの開発について述べる。 低ランク適応(LoRA)によるLAMA2 7Bモデルの先駆的な適応について詳述し、検索精度と運用効率を大幅に向上させ、Walmart.comのような広範囲なオンラインマーケットプレースにおけるユーザインタラクションを改善するための新たな道を開く。 本稿では3つのカテゴリ(関連性,部分関連性,非関連性)にまたがる検索インタラクションの関連性を明らかにする新しいクエリと広告タイトル分類手法を提案する。 当社のアプローチでは、Eコマース支援検索コンテキストに特化してトレーニング済みモデルを適応させ、大規模なデータセットでトレーニングする。 微調整されたモデルでは、広告関係の精度が著しく向上し、総合的なテストデータセットで89.43%の精度が達成された。 LoRAとベースモデルの統合は、eコマースアプリケーションのための言語モデルをカスタマイズする大きな一歩であり、その結果、検索精度、コスト効率、運用上のプライバシが向上した。

関連論文リスト

• Next-Gen Sponsored Search: Crafting the Perfect Query with Inventory-Aware RAG (InvAwr-RAG) Based GenAI [1.3544447919445164]
  本稿では,インベントリ・アウェアRAGに基づく生成AIモデル(InvAwr-RAG)を紹介する。 予備的な結果は、フィリングレートとバランスの取れた関連指標の68%が顕著に増加し、広告収入の増加の可能性を示唆している。
  論文  参考訳（メタデータ） (2026-07-04T13:53:45Z)
• 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)
• MMSearch-R1: Incentivizing LMMs to Search [49.889749277236376]
  MMSearch-R1は,実世界のインターネット環境において,オンデマンドでマルチターン検索が可能な,初のエンドツーエンド強化学習フレームワークである。 本フレームワークは画像検索とテキスト検索の両方を統合し,検索ペナルティによる結果に基づく報酬によって,モデルがいつ,どのように呼び出すかの判断を可能にする。
  論文  参考訳（メタデータ） (2025-06-25T17:59:42Z)
• Multi-objective Aligned Bidword Generation Model for E-commerce Search Advertising [16.8420671443003]
  検索システムは、ユーザクエリを最も関連性の高い広告とマッチングするという課題に対処する。 識別器,ジェネレータ,選好アライメントモジュールで構成される多目的整列バイドワード生成モデル(MoBGM)を提案する。 提案アルゴリズムは,オフラインおよびオンライン実験において,技術の現状を著しく上回っている。
  論文  参考訳（メタデータ） (2025-06-04T10:57:18Z)
• LREF: A Novel LLM-based Relevance Framework for E-commerce [14.217396055372053]
  本稿では,eコマース検索の妥当性を高めることを目的とした,LREF(LLM-based Relevance Framework)と呼ばれる新しいフレームワークを提案する。 大規模な実世界のデータセットのオフライン実験やオンラインA/Bテストを通じて,フレームワークの性能を評価する。 このモデルは有名なeコマースアプリケーションにデプロイされ、かなりの商業的利益をもたらした。
  論文  参考訳（メタデータ） (2025-03-12T10:10:30Z)
• Automated Query-Product Relevance Labeling using Large Language Models for E-commerce Search [3.392843594990172]
  クエリとプロダクトのペアをアノテートするための従来のアプローチは、人間ベースのラベリングサービスに依存している。 本研究では,Large Language Models (LLMs) が,人間ラベル作成者に必要な時間とコストのごく一部で,このタスクにおける人間レベルの精度にアプローチ可能であることを示す。 この拡張性のある人間のアノテーションの代替は、情報検索領域に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2025-02-21T22:59:36Z)
• Semantic Ads Retrieval at Walmart eCommerce with Language Models Progressively Trained on Multiple Knowledge Domains [6.1008328784394]
  Walmart.comの広告検索システムを最適化するために,エンド・ツー・エンドのソリューションを提案する。 当社のアプローチは,製品カテゴリ情報を用いたBERTライクな分類モデルを事前学習することである。 ベースラインDSSMベースのモデルと比較して,検索関連度を最大16%向上させる。
  論文  参考訳（メタデータ） (2025-02-13T09:01:34Z)
• Large Language Models for Relevance Judgment in Product Search [48.56992980315751]
  検索クエリに対する検索および再ランクされたアイテムの高い関連性は、製品検索の成功の土台である。 本稿では,大規模言語モデル(LLM)を活用して,クエリ・イテムペア(QIP)の関連判断を大規模に自動化する手法について述べる。 本研究は,製品検索における関連判断の自動化の分野への直接的な影響を示唆するものである。
  論文  参考訳（メタデータ） (2024-06-01T00:52:41Z)
• Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement [79.2400720115588]
  本稿では,タスクコンテキスト間の一般化を改善するための階層的な構築プロセスからなる,シンプルで効果的なフレームワークであるPersona-DBを紹介する。 応答予測の評価において,Persona-DB は精度を著しく低減した検索サイズで維持する上で,より優れたコンテキスト効率を示す。 我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで10%以上の顕著な改善が示されていることも示している。
  論文  参考訳（メタデータ） (2024-02-16T20:20:43Z)
• 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)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

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。