AI Papers Daily

#sponsored search

3 篇

Enhancement of E-commerce Sponsored Search Relevancy with LLM

使用 LLM 增强电商赞助搜索相关性

🧭 LLM 助力搜索广告相关性判别 ★ 深度解读

Walmart AdTech

用 LoRA 微调 LLaMA2 7B 做 <query, ad title> 三分类，准确率 89.43% 优于 GPT-4 和 BERT

📌 工作参考价值（4 点）

• 用 LoRA 微调开源 LLM（LLaMA2 7B） 构建相关性模型，成本和隐私都优于依赖 GPT-4 API，适合公司内部部署。
• 将相关性定义为 三分类（Relevant / Partially Relevant / Irrelevant） 更贴合实际排序需求，可据此设计差控策略或加权打分。
• 直接使用 <query, ad title> 文本对 作为输入，无需手工构造特征，可快速迁移到商品搜索、内容推荐等其他文本匹配场景。
• 标注时采用 3 人投票取多数 保证质量，后续可搭配 模型自动标注 + 人工抽检 缩短迭代周期，降低标注成本。

RecSys | 2026-07-04 | cs.IR | score 10/10

LLMLoRAsponsored searchrelevance classificationLLaMA2e-commerce

Extreme Meta-Classification for Large-Scale Zero-Shot Retrieval

大规模零样本检索的极端元分类框架

🧭 极端分类 · 零样本检索元分类 ★ 深度解读

Microsoft Research, Bengaluru, India · Microsoft, Redmond, USA · Indian Institute of Technology Delhi, India

提出 EMMETT 元分类框架，为未见过的物品动态合成分类器，实现零样本检索精度最高 15% 提升，线上 CTR 增益 4.2%

📌 工作参考价值（4 点）

• 冷启动物品快速向量化：借鉴 IRENE 的“选择已有分类器→元分类器生成”流水线，新商品无需重训模型，只需用 ANNS 检索少量相似商品的分类器（如 K=3），经单层 Transformer 融合即可上线，延迟仅毫秒级。
• 训练策略冻结基座：冻结预训练的编码器和已知物品分类器，仅训练轻量生成器，避免过拟合，使新零样本泛化更鲁棒；业务中可将商品 embedding 和分类器视为固定模块，新增物品只更新生成器。
• 损失函数设计：训练时用邻居分类器替代物品自身分类器模拟零样本，加权二元交叉熵强调正样本，该思路可直接迁移到推荐召回或广告匹配的冷启动物品表示学习。
• 工程化推理解耦：分类器选择（ANNS）与元分类器生成（单层 Transformer）分离，新物品入池仅需一次生成器前向和索引插入，适合大规模、频繁更新的广告或商品推荐系统。

RecSys | 2026-06-23 | cs.IR | score 9/10

extreme classificationzero-shot retrievalmeta-classificationlarge-scale retrievalsponsored searchRademacher complexity

INSPIRE: Intent-aware Neural Sponsored Product Retrieval for E-commerce

INSPIRE：意图感知的电商赞助产品神经检索框架

🧭 意图感知检索 · 赞助搜索 ★ 深度解读

Walmart Global Tech, USA

通过多LLM共识生成结构化意图标签，蒸馏轻量模型并注入双编码器，显著提升购物搜索中隐式意图的检索质量

📌 工作参考价值（4 点）

• 意图弱监督标注管道：用多个大模型（如Gemma、LLaMA、Qwen）生成结构化意图，交叉共识后蒸馏到小模型（Phi-4-mini + LoRA），可直接复用于商品理解或query解析。
• 意图增强检索双编码器：将预测的意图字段（品牌、口味、饮食偏好等）拼接到query/item文本后训练，用cosine regression + MNR loss联合优化，能有效抑制“语义相似但意图冲突”的bad case，适合迁移到召回或相关性排序。
• 工程部署思路：离线用vLLM批量推断所有item的意图并存入索引，线上对高频query做缓存增强，新增的query使用轻量模型实时预测，平衡效果与延迟。
• 评估协议：用级联相关模型（Gemma-1B→2B→LLaMA-3 8B）自动标注QIP相关度分数，结合用户行为信号作为训练监督，可减少人工标注成本，在自有数据集上复用。

RecSys | 2026-06-22 | cs.IR | score 10/10

intent-aware retrievalsponsored searchknowledge distillationLoRAbi-encodergrocery e-commerce