为微信搜索开发了一个名为WeSearch的新检索框架,它提供了一种统一的、模型中心化的方法来处理大规模、不断变化的内容。与之前分配固定语义ID的方法不同,WeSearch首先检索相关集群,然后对单个文档进行排名,从而改进了相关性建模并支持频繁的模型刷新。该系统已在微信搜索中全面部署,在点击率、每用户文章点击量方面取得了显著改进,并大幅降低了检索资源成本和延迟。 AI
影响 增强了大规模搜索的相关性和效率,可能影响未来的搜索引擎架构。
排序理由 该条目描述了一篇研究论文,其中详细介绍了一个新的检索框架及其在大规模搜索引擎中的部署。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
- Semantic IDs
- WeChat Search
- WeSearch
- click-through rate
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →