Fugu-MT 論文翻訳(概要): SAM-D2Q: Aligning Multimodal Doc2Query with Search Demand and Conversion for E-commerce

論文の概要: SAM-D2Q: Aligning Multimodal Doc2Query with Search Demand and Conversion for E-commerce

arxiv url: http://arxiv.org/abs/2609.04961v1
Date: Fri, 04 Sep 2026 10:09:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.999172
Title: SAM-D2Q: Aligning Multimodal Doc2Query with Search Demand and Conversion for E-commerce
Title（参考訳）: SAM-D2Q: 検索要求とEコマースの変換を備えたマルチモーダルDoc2Queryのアライメント
Abstract要約: 電子商取引検索は、しばしばユーザクエリと商人が所有する製品タイトルの語彙ミスマッチに悩まされる。従来の手法はテキストのみであり、eコマースビジネスの目的に最適化されていない。本稿では,ビジネス対応のマルチモーダル文書拡張フレームワークであるE-Commerce Multimodal Doc2Query (SAM-D2Q)を提案する。
参考スコア（独自算出の注目度）: 11.766307104320726
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: E-commerce search often suffers from vocabulary mismatch between user queries and merchant-authored product titles, since short titles cannot fully cover diverse user expressions or visual product attributes. Although Doc2Query alleviates this issue by generating pseudo-queries for document expansion, traditional methods are text-only and not optimized for e-commerce business objectives. As a result, they may produce semantically plausible but commercially ineffective expansions and miss key attributes present in product images. To this end, we propose E-commerce Search-Aligned Multimodal Doc2Query (SAM-D2Q), a business-aligned multimodal document expansion framework for e-commerce search under Boolean retrieval constraints. SAM-D2Q consists of three stages: (1) task-adapted multimodal supervised fine-tuning to enhance vision-language understanding of product titles, images, and user queries; (2) multimodal data augmentation to improve perception of key visual attributes and expansion coverage; and (3) reinforcement-learning-based preference alignment toward search business objectives, encouraging the model to generate pseudo-queries that better match user intent and commercial value. Offline experiments show that SAM-D2Q substantially improves retrieval performance over traditional Doc2Query methods. Deployed in the AliExpress production search system, SAM-D2Q improves online business metrics, increasing GMV by +3.38% and Pay Count by +2.27%.
Abstract（参考訳）: 電子商取引検索はしばしば、ユーザクエリと商人が所有する製品タイトルの語彙ミスマッチに悩まされる。 Doc2Queryは文書拡張のための擬似クエリを生成することでこの問題を軽減するが、従来のメソッドはテキストのみであり、eコマースビジネスの目的に最適化されていない。結果として、意味論的に妥当だが商業的に非効率な拡張を生成し、製品イメージに存在する重要な属性を見逃す可能性がある。そこで本研究では,E-Commerce Search-Aligned Multimodal Doc2Query (SAM-D2Q)を提案する。 SAM-D2Qは,(1)製品タイトル,画像,ユーザクエリの視覚言語的理解を高めるためのタスク適応型マルチモーダル教師付き微調整,(2)重要な視覚的属性と拡張範囲の認識を改善するためのマルチモーダルデータ拡張,(3)検索ビジネス目的に対する強化学習に基づく嗜好アライメントの3段階からなる。オフライン実験により,SAM-D2Qは従来のDoc2Query法よりも検索性能を大幅に向上することが示された。 AliExpressプロダクションサーチシステムにデプロイされたSAM-D2Qは、オンラインビジネスメトリクスを改善し、GMVを+3.38%、ペイカウントを+2.27%増加させた。

関連論文リスト

One Hierarchy, Two Systems: Semantic Product IDs for Discovery-Surface Ranking and Search-Page Query Reformulation [0.8257831610561874]
マルチマーチャントeコマースカタログには、商人が特定した異なる識別子の下で、同等の製品と関連する製品が含まれている。単一の階層型セマンティックID(sid)表現がパーソナライズされたランキングとクエリのリフォームをサポートするかどうかを検討する。
論文参考訳（メタデータ） (2026-08-21T00:27:32Z)
Pailitao-MMSearch: Building Native E-Commerce Multimodal Search Foundation [22.28986818203049]
本稿では、このギャップを埋めるために設計された、ネイティブなeコマースマルチモーダル検索基盤モデルであるPailitao-MMSearchを紹介する。提案手法では,(1)HybSID(Hybrid Semantic ID),(2)2段階連続事前学習戦略,(3)ハイブリッド推論後学習パイプラインの3つの重要なイノベーションを紹介する。 Qwenをベースとして、Taobaoのマルチモーダル検索プラットフォームであるPailitao-MMSearch上にデプロイされたPailitao-MMSearchは、オンラインA/Bテストにおいて大幅に改善されている。
論文参考訳（メタデータ） (2026-07-20T03:06:25Z)
Benchmarking Multimodal Large Language Models for Missing Modality Completion in Product Catalogues [19.732113077201326]
製品イメージの欠如やテキスト記述など、eコマースプラットフォーム上のモダリティの欠如は、しばしばアノテーションエラーや不完全なメタデータから生じる。マルチモーダルな大規模言語モデルは、eコマースのシナリオで製品に欠けているモダリティを生成することができるか? 本稿では,コンテンツ品質コンプリートベンチマークと推奨ベンチマークの2つのサブベンチマークからなるMMPCBenchを提案する。我々は、Qwen2.5-VLおよびGemma-3モデルファミリーから、9つの実世界のeコマースカテゴリーの6つの最先端MLLMを評価し、焦点を当てた。
論文参考訳（メタデータ） (2026-01-27T16:13:26Z)
Mix-Ecom: Towards Mixed-Type E-Commerce Dialogues with Complex Domain Rules [68.95862698403302]
この研究はまず、Mix-EComと呼ばれる新しいコーパスを紹介した。これは、実際のカスタマーサービス対話とポストプロセッシングに基づいて構築され、ユーザのプライバシを削除し、CoTプロセスを追加する。具体的には、4つの対話型(QA,レコメンデーション,タスク指向対話,チャット)、3つのeコマースタスク型(プレセール,ロジスティクス,アフターセール)、82のeコマースルールを含んでいる。その結果、現在のeコマースエージェントはeコマース対話を扱う十分な能力を持っていないことがわかった。
論文参考訳（メタデータ） (2025-09-28T12:19:27Z)
Recurrence Meets Transformers for Universal Multimodal Retrieval [59.92546492752452]
ReT-2は画像とテキストの両方からなるマルチモーダルクエリをサポートする統合検索モデルである。検索構成の異なるM2KRとM-BEIRのベンチマークでReT-2を評価する。検索強化された生成パイプラインに統合されると、ReT-2はEncyclopedic-VQAとInfoSeekデータセットのダウンストリームのパフォーマンスも向上する。
論文参考訳（メタデータ） (2025-09-10T18:00:29Z)
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)
EcomScriptBench: A Multi-task Benchmark for E-commerce Script Planning via Step-wise Intention-Driven Product Association [83.4879773429742]
本稿では,E-Commerce Script Planning(EcomScript)の課題を3つの逐次サブタスクとして定義する。本稿では,各ステップに製品を関連付けることで,拡張性のある製品リッチスクリプトの生成を可能にする新しいフレームワークを提案する。最初の大規模なEcomScriptデータセットであるEcomScriptBenchを構築しました。
論文参考訳（メタデータ） (2025-05-21T07:21:38Z)
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)
Multimodal semantic retrieval for product search [6.185573921868495]
商品の純粋テキスト表現とは対照的に,eコマース検索における商品項目のマルチモーダル表現を構築した。商品のマルチモーダル表現スキームは,セマンティック検索における購入リコールや関連精度の向上を示すことができることを示す。
論文参考訳（メタデータ） (2025-01-13T14:34:26Z)
MMAPS: End-to-End Multi-Grained Multi-Modal Attribute-Aware Product Summarization [93.5217515566437]
マルチモーダル製品要約(MPS: Multi-modal Product Summarization)は、商品の特徴を強調して顧客の購入意欲を高めることを目的としている。既存のMPS手法は有望な結果をもたらすが、それでもエンドツーエンドの製品要約は欠如している。本稿では,eコマースにおける高品質な製品要約を生成するために,エンド・ツー・エンドのマルチモーダル属性対応製品要約手法(MMAPS)を提案する。
論文参考訳（メタデータ） (2023-08-22T11:00:09Z)
Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace [15.054431410052851]
Que2Engageは、エンドツーエンド最適化のための検索とランキングのギャップを埋めるために構築された検索用EBRシステムである。提案手法の有効性を,マルチタスク評価フレームワークと徹底的なベースライン比較およびアブレーション研究を通じて示す。
論文参考訳（メタデータ） (2023-02-21T23:10:16Z)
Automatic Validation of Textual Attribute Values in E-commerce Catalog by Learning with Limited Labeled Data [61.789797281676606]
そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
論文参考訳（メタデータ） (2020-06-15T21:31:05Z)

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。