研究人员开发了一种新的电子商务产品搜索语义检索系统，旨在处理不精确的用户查询和大产品目录。该系统利用了一个Siamese LLM双编码器，该编码器经过两阶段训练：首先进行对比学习，然后进行一个名为相对赔率对齐检索（ROAR）的偏好优化目标。这种方法旨在准确检索精确匹配项，同时有效对替代品和互补品进行排名，并通过大规模A/B测试证明了其成功。 AI
影响 通过提高电子商务平台的搜索相关性和排名来增强产品搜索能力。
排序理由 该集群包含一篇详细介绍电子商务中语义检索新方法的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.01504v1 Announce Type: cross Abstract: Semantic retrieval in e-commerce must handle short, noisy, and colloquial queries over large product catalogs with fine-grained attribute distinctions. We present a Siamese LLM dual-encoder trained through a two-stage pipeline: co…
Semantic retrieval in e-commerce must handle short, noisy, and colloquial queries over large product catalogs with fine-grained attribute distinctions. We present a Siamese LLM dual-encoder trained through a two-stage pipeline: contrastive learning with a false-negative margin ma…