PulseAugur
中
实时 10:51:56
English(EN) DSIRM: Learning Query-Bridged Discrete Semantic Identifiers for E-commerce Relevance Modeling

新模型DSIRM通过离散标识符提升电商搜索相关性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为DSIRM的新模型，通过学习离散语义标识符来提高电子商务搜索相关性。该方法使用查询-商品交互监督来创建与相关性相关的商品分区，并利用生成式LLM从文本中预测商品标识符。当在天猫的生产数据上部署时，DSIRM将离线AUC显著提高了1.54%，并在用户点击率和转化率方面显示出积极的在线提升。 AI

影响 通过学习到的离散标识符增强了电子商务搜索相关性，可能改善用户体验和转化率。

排序理由 该集群包含一篇详细介绍新模型及其实验结果的研究论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Bokang Wang, Xing Fang, Mingmin Jin, Jing Wang, Zhentao Song, Guangxin Song, Jianbo Zhu ·

    DSIRM: Learning Query-Bridged Discrete Semantic Identifiers for E-commerce Relevance Modeling

    arXiv:2606.04374v1 Announce Type: cross Abstract: Despite rapid progress of continuous embeddings for e-commerce search relevance, a long-standing open problem is the difficulty in capturing fine-grained attribute distinctions. While discrete Semantic Identifiers (SIDs) have been…

相关实体

相关话题