PulseAugur
实时 12:07:19
English(EN) Scaling Search Relevance: Augmenting App Store Ranking with LLM-Generated Judgments

LLM 提升应用商店搜索相关性,提高转化率

研究人员开发了一种通过使用大型语言模型 (LLM) 生成文本相关性标签来提高搜索相关性的方法。一个专门的、经过微调的 LLM 在此任务上比一个更大的预训练模型更有效。通过生成数百万个此类标签,他们增强了应用商店的排名系统,转化率提高了 0.24%,并且在不太常见的查询上表现得到改善。 AI

影响 LLM 生成的标签可以显著提高搜索结果的相关性和用户转化率,尤其是在小众查询方面。

排序理由 学术论文,详细介绍了 LLM 在提高搜索相关性和特定指标(转化率)方面的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

LLM 提升应用商店搜索相关性,提高转化率

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Evangelia Christakopoulou, Vivekkumar Patel, Hemanth Velaga, Sandip Gaikwad, Sean Suchter, Venkat Sundaranatha ·

    扩展搜索相关性:使用LLM生成的判断来增强应用商店排名

    arXiv:2602.23234v4 Announce Type: replace-cross Abstract: Large-scale commercial search systems optimize for relevance to drive successful sessions that help users find what they are looking for. To maximize relevance, we leverage two complementary objectives: behavioral relevanc…