arXiv cs.CL· Kepu Zhang, Yuzhe Cai, Yue Shu, Dawei Chen, Jinhai Zhu, Yuan Xu, Zehua Dai, Tongke Ni, Ziyao Chen, Chen Fu, Jie Shao, Chao Wang, Xiangmin Wang, Ruifeng Zhao, Rongchun Yao, Jie Yin, Weixin Qiu, Nan Song, Junyang Li, Fan Li, Quanchao Hui, Yulong Ou, Qiang Chen, Hao Cao, Sen Yang·· 10 小时前AI 评分40
WeSearch：微信搜索的统一模型中心检索框架
WeSearch: A Unified Model-Centric Retrieval Framework for WeChat Search
AI 导读
微信搜索团队提出统一模型中心检索框架 WeSearch，先检索查询相关聚类、再在候选空间内对原子文档排序，摆脱固定层级 Semantic ID 对多主题文档的假设，并支持按周甚至按天的模型刷新。
正文 · AI 翻译
作者：Kepu Zhang、Yuzhe Cai、Yue Shu、Dawei Chen、Jinhai Zhu、Yuan Xu、Zehua Dai、Tongke Ni、Ziyao Chen、Chen Fu、Jie Shao、Chao Wang、Xiangmin Wang、Ruifeng Zhao、Rongchun Yao、Jie Yin、Weixin Qiu、Nan Song、Junyang Li、Fan Li、Quanchao Hui、Yulong Ou、Qiang Chen、Hao Cao、Sen Yang
摘要：我们提出 WeSearch，一个统一的、以模型为中心的检索框架，用于大规模、持续演进的内容搜索。主流方法为文档分配固定的层级 Semantic ID，隐含假设每篇文档遵循单一连贯的语义路径——这一假设在多主题文档上往往不成立。WeSearch 则先检索与查询相关的簇，再在由此得到的查询特定候选空间内对原子文档进行排序，从而将候选剪枝与细粒度相关性建模解耦。结合相关性感知训练、紧凑文档表示和增量索引更新，该设计支持每周或按需每日的模型刷新。WeSearch 作为微信搜索中与词法语法树并列的主要语义检索路径部署，在数亿至数十亿文档规模的语料上展现出一周 A/B 实验的一致增益，一个月的全流量 A/B 测试确认了稳定提升：CTR +0.68%、每用户文章点击 +2.27%，同时检索资源成本降低 41%，图文检索延迟降低 19 ms。WeSearch 现已全面部署于微信搜索，承载 100% 的生产流量。
| 学科： | 信息检索（cs.IR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.00530 [cs.IR] |
| （或本版本的 arXiv:2611.00530v1 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2611.00530 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kepu Zhang [查看邮箱]
[v1]
2026年10月31日星期六 01:35:20 UTC（837 KB）
来源：arXiv cs.CL · arxiv.org