研究人员开发了 H2CE,这是一种新颖的两阶段交叉编码器模型,用于本地搜索应用中的兴趣点 (POI) 重排。该模型能有效平衡语义理解、地理空间邻近度以及评分和评论数量等质量信号,同时保持实时服务的效率。H2CE 通过使用 MLP 处理精确标量值以及在交叉编码器中使用分桶的自然语言描述符来捕获复杂交互,从而整合数值属性。该系统的两阶段方法,包括逐点过滤,然后对顶级候选进行成对比较,显著提高了重排准确性,优于 XGBoost LTR 和零样本 LLM 重排器等现有方法。 AI
影响 这项研究通过改进用户查询与兴趣点的匹配方式,有望带来更准确、更高效的本地搜索结果。
排序理由 该集群包含一篇详细介绍新模型及其在特定任务上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Alessandro Moschitti
- arXiv
- DagsHub
- Hugging Face
- local search
- Point-of-Interest (POI) reranking
- XGBoost LTR
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →