arXiv cs.AI· Jianbo Zhu, Xing Fang, Jing Wang, Mingmin Jin, Bokang Wang, Guangxin Song, Zhenyu Xie, Junjie Bai·· 4 小时前AI 评分36
面向电商搜索的高效生成式检索:CQ-SID 语义聚类 ID 与 EG-GRPO 专家引导强化学习
Efficient Generative Retrieval for E-commerce Search with Semantic Cluster IDs and Expert-Guided RL
AI 导读
研究提出 CQ-SID 与 EG-GRPO 框架,将生成式检索定位为召回阶段的补充而非端到端替代。CQ-SID 用类别与查询感知对比学习及 Residual Quantized VAE 编码分层语义聚类 ID,在天猫APP搜索日志上语义与个性化点击命中率较 RQ-VAE 基线最高相对提升 26.76% 和 11.11%,beam search 规模减半。
正文 · AI 翻译
摘要:生成式检索通过将碎片化的多阶段检索流程统一为单一的端到端模型,提供了一种有前景的替代方案。然而,鉴于商品目录规模庞大且动态变化、严格的延迟要求,以及需要使检索与下游排序目标保持一致,其在工业电商搜索中的实际应用仍面临挑战。在本工作中,我们提出了一个面向真实召回场景的检索框架,将生成式检索定位为召回阶段的补充,而非端到端替代方案。我们的方法 CQ-SID(类别与查询约束的语义 ID)采用类别感知和查询-商品对比学习,并结合残差量化 VAE 将商品编码为分层语义聚类标识符,显著降低了束搜索复杂度。此外,我们开发了 EG-GRPO(专家引导的组相对策略优化),这是一种强化学习方法,通过注入真实样本以稳定训练,在稀疏奖励下使生成式召回与下游排序对齐。在天猫 APP 搜索日志上的离线实验表明,与 RQ-VAE 基线相比,CQ-SID 在语义点击命中率和个性化点击命中率上分别取得最高 26.76% 和 11.11% 的相对提升,同时将束搜索规模减半。EG-GRPO 进一步提升了多目标性能。在线 A/B 测试证实了 GMV(+1.15%)和 UCTCVR(+0.40%)的提升。生成式召回通道目前在生产中贡献显著,占曝光量的 50.25% 以上、点击量的 58.96% 以及购买量的 72.63%,展示了在真实电商系统中部署生成式检索的可行路径。
| 学科: | 信息检索(cs.IR);人工智能(cs.AI) |
| 引用为: | arXiv:2605.14434 [cs.IR] |
| (或本版本的 arXiv:2605.14434v2 [cs.IR]) | |
| https://doi.org/10.48550/arXiv.2605.14434 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考: | Proc. 35th ACM Int. Conf. on Information and Knowledge Management (CIKM 2026), pp. 8801-8808 |
| 相关 DOI: | https://doi.org/10.1145/3799682.3840110
链接到相关资源的 DOI |
提交历史
来自:Jianbo Zhu [查看邮箱]
[v1]
2026 年 5 月 14 日星期四 06:27:46 UTC(392 KB)
[v2]
2026 年 11 月 17 日星期二 02:49:22 UTC(373 KB)
来源:arXiv cs.AI · arxiv.org