SPEAR框架通过自适应重写和检索增强电商搜索

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-03 06:03

研究人员开发了SPEAR，一个用于社区搜索的新型框架，可增强查询重构和检索效果。SPEAR通过整合三个组件来解决当前系统中的不匹配问题：一个双嵌入骨干网络以保护召回端语义，一个乘法门控聚合器以防止通用词捷径，以及一个动态重写选择器以进行自适应校准。自2025年以来，SPEAR已部署在得物社区搜索平台，并在离线评估中显示出显著改进，包括重写语义相似度提高+18.2，点击召回率提高+99.5。在线A/B测试证实了其有效性，显示查询-浏览点击率（CTR）提高+0.259，平均阅读深度提高+0.733。 AI

影响通过增强查询理解和检索准确性来改进电子商务搜索，可能带来更好的用户参与度和转化率。

排序理由该项目是一篇研究论文，详细介绍了一种新的信息检索和搜索框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇研究论文，详细介绍了一种新的信息检索和搜索框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 63 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xiaobin Hu · 2026-08-03 06:03

SPEAR：面向社区搜索的感知式个性化端到端自适应重写与检索

Query reformulation bridges user intent and retrieval in e-commerce search, yet production systems optimize rewrite quality and retrieval effectiveness separately, leaving the two stages structurally misaligned. Path-based architectures unify them end-to-end but were designed for…

本文如何被排名

报道来源 [1]

SPEAR：面向社区搜索的感知式个性化端到端自适应重写与检索

相关实体

相关话题