arXiv cs.CL· Varun Joshi, Eva C. Song, ChengXiang Zhai·· 9 天前AI 评分18
语言模型用于电商搜索的页面级布局决策
Language Models for Page-Level Layout Decisions in E-commerce Search
AI 导读
研究用语言模型离线评估电商搜索页面布局决策，即是否在特定位置插入次级商品堆栈。对比直接提示词评判、提示词衍生特征和表征三种方法，表征方法在预测用户参与度上持续优于提示词评判，可作为电商搜索离线布局评估的可靠基础。该工作已被 ACM RecSys 2026 的 OARS Workshop 接收。
正文 · AI 翻译
摘要：电商搜索页面是数百万在线购物者的关键触点。传统搜索引擎返回一个排序后的结果列表，而现代电商搜索页面越来越多地融入推荐系统模块——例如，在特定位置展示替代商品分组的次级堆栈。若引入得当，次级堆栈可以提升用户参与度；然而，次优的放置位置可能会打断浏览流程并降低主要结果的质量。与传统搜索排序中交错评估等技术已相当成熟不同，评估页面级布局变更（例如何时何地插入次级堆栈）在没有昂贵的在线 A/B 测试的情况下仍然颇具挑战。为解决这一问题，我们研究了离线方法，用于评估给定的布局决策——具体而言，即在特定位置加入次级堆栈——是否对用户有益。我们通过比较基于直接提示、提示衍生特征和基于表示的方法，探索将语言模型作为可扩展的评估器。我们的结果表明，在预测用户参与度方面，基于表示的方法始终优于基于提示的判断，这表明它们为电商搜索中的离线布局评估提供了可靠的基础。
| 评论： | 已被 ACM RecSys 2026 的 OARS Workshop 接收 |
| 主题： | 机器学习（cs.LG）；计算与语言（cs.CL）；信息检索（cs.IR） |
| 引用为： | arXiv:2610.10920 [cs.LG] |
| （或 arXiv:2610.10920v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10920 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Varun Joshi [查看电子邮件]
[v1]
2026年10月7日星期三 21:19:47 UTC（1,557 KB）
来源：arXiv cs.CL · arxiv.org