論文の概要: Language Models for Page-Level Layout Decisions in E-commerce Search

• arxiv url: http://arxiv.org/abs/2610.10920v1
• Date: Wed, 07 Oct 2026 21:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.677021
• Title: Language Models for Page-Level Layout Decisions in E-commerce Search
• Title（参考訳）: Eコマース検索におけるページレベルレイアウト決定のための言語モデル
• Abstract要約: 現代のEコマース検索ページには、リコメンデーターシステムモジュールが組み込まれている。 適切に導入すれば、セカンダリスタックはユーザエンゲージメントを改善することができる。 レイアウト決定がユーザにとって有益かどうかを評価するためのオフライン手法について検討する。
• 参考スコア（独自算出の注目度）: 20.556703810360357
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce search pages are critical touchpoints for millions of online shoppers. While traditional search engines return a ranked list of results, modern E-commerce search pages increasingly incorporate recommender system modules -- for example, secondary stacks that surface alternative product groupings at specific positions. When introduced appropriately, secondary stacks can improve user engagement; however, suboptimal placement may disrupt browsing flow and degrade the primary results. Unlike traditional search ranking, where evaluation techniques such as interleaving are well established, evaluating page-level layout changes e.g., when and where to insert a secondary stack remains challenging without costly online A/B testing. To address this, we study offline methods for evaluating whether a given layout decision -- specifically, the inclusion of a secondary stack at a particular position -- is beneficial to users. We investigate language models as scalable evaluators by comparing direct prompt-based, prompt-derived feature, and representation-based methods. Our results show that representation-based approaches consistently outperform prompt-based judging in predicting user engagement, suggesting they provide a reliable foundation for offline layout evaluation in E-commerce search.
• Abstract（参考訳）: Eコマースの検索ページは、何百万ものオンライン買い物客にとって重要なタッチポイントだ。 従来の検索エンジンはランク付けされた検索結果のリストを返すが、現代のEコマース検索ページには推奨システムモジュールが組み込まれている。 適切に導入すれば、セカンダリスタックはユーザエンゲージメントを改善することができるが、最適でない配置はブラウジングフローを乱し、一次結果を劣化させる可能性がある。 インターリービングなどの評価手法が確立されている従来の検索ランキングとは異なり、ページレベルのレイアウト変更(例えば、いつ、どこでセカンダリスタックを挿入するか)は、費用がかかるオンラインA/Bテストなしでは難しいままである。 この問題に対処するために、指定されたレイアウト決定 -- 特に、セカンダリスタックを特定の位置に含めること -- が、ユーザにとって有益かどうかを評価するオフライン手法について検討する。 直接的プロンプトベース, プロンプトベース, 表現ベース手法の比較により, 言語モデルをスケーラブルな評価器として検討する。 提案手法は,Eコマース検索におけるオフラインレイアウト評価のための信頼性の高い基盤を提供することが示唆された。

関連論文リスト

• Relevance Matters: A Multi-Task and Multi-Stage Large Language Model Approach for E-commerce Query Rewriting [6.891672336300552]
  本研究では,大規模言語モデル(LLM)に基づくマルチタスクおよびマルチステージクエリ書き換えフレームワークを提案する。 2025年8月以降、当社のアプローチは、中国の大手オンラインショッピングプラットフォームであるJD.comで実施されている。
  論文  参考訳（メタデータ） (2026-03-03T03:18:16Z)
• From Pixels to Purchase: Building and Evaluating a Taxonomy-Decoupled Visual Search Engine for Home Goods E-commerce [6.200631104634354]
  ビジュアル検索は、特にユーザ意図が主観的でオープンなスタイル駆動のドメインにおいて、電子商取引において重要である。 分類自由領域の提案と類似性検索のための統合埋め込みを用いた分類分離アーキテクチャを提案する。 我々のシステムでは、検索品質を改善し、顧客エンゲージメントの計測可能なアップリフトを得られる一方、オフライン評価の指標は現実世界の結果と強く相関する。
  論文  参考訳（メタデータ） (2026-01-16T20:54:30Z)
• 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)
• 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)
• Centrality-aware Product Retrieval and Ranking [14.710718676076327]
  本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。 本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-21T11:59:14Z)
• Generative Pre-trained Ranking Model with Over-parameterization at Web-Scale (Extended Abstract) [73.57710917145212]
  ランク付け学習は、入力クエリに基づいて関連するWebページを優先順位付けするために、Web検索で広く使われている。 本稿では,これらの課題に対処するために,経験的 UlineSemi-uline Supervised ulinePre-trained (GS2P) モデルを提案する。 我々は,公開データセットと大規模検索エンジンから収集した実世界のデータセットの両方に対して,大規模なオフライン実験を行う。
  論文  参考訳（メタデータ） (2024-09-25T03:39:14Z)
• 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)
• Conditional Sequential Slate Optimization [15.10459152219771]
  検索ランキングシステムは通常、検索結果を独立したクエリ文書スコアで順序付けし、検索結果のスレートを生成する。 本稿では,従来のランク付け指標の最適化と,スレート内の文書の所定の分布基準を共同で学習する条件付きシーケンシャルスレート最適化(CSSO)を提案する。 提案手法は,eコマース検索結果の多様性の強化,トップ検索結果のバイアス軽減,結果のパーソナライズなど,現実的な課題に適用できる。
  論文  参考訳（メタデータ） (2021-08-12T09:14:46Z)
• AliExpress Learning-To-Rank: Maximizing Online Model Performance without Going Online [60.887637616379926]
  本稿では,学習からランクへ学習するための評価器・ジェネレータフレームワークを提案する。 コンテキストを含むレコメンデーションを一般化して評価する評価器と、強化学習による評価器スコアを最大化するジェネレータとから構成される。 本手法は, オンラインA/Bテストにおける産業レベルの微調整モデルよりも, 変換率(CR)の面で大幅に向上する。
  論文  参考訳（メタデータ） (2020-03-25T10:27:44Z)

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。