summarized by : ryo.igarashi
Learning Robust Models for e-Commerce Product Search

概要

製品検索におけるランキング性能を向上させる手法の提案。クエリ(ユーザ入力の検索語)の意図に一致しないアイテム(ミスマッチ)を効果的に分類、クエリとアイテムの一致するペアからミスマッチのクエリを新たに生成して分類器の精度を改善するエンドツーエンドのモデルを紹介。
placeholder

新規性

アイテムとミスマッチするクエリを生成するクエリ生成器(query generator)を導入。モデル学習のクロスエントロピー損失に、実際のクエリと生成したクエリを交互に使用する潜在変数を導入することで、分類器をロバストにすることを可能にした。

結果

ベースラインと比較して、Fスコアで26%以上、Area Under PR curve(AUCPR: 精度-リコール(PR)曲線の情報を1つの数値でまとめたもの)で17%以上の向上を達成。