AIGQ: An End-to-End Hybrid Generative Architecture for E-commerce Query Recommendation

작성자

Haebom

카테고리

Empty

저자

Jingcao Xu, Jianyun Zou, Renkai Yang, Zili Geng, Qiang Liu, Haihong Tang

💡 개요

본 논문은 전자상거래 검색 추천(HintQ) 시나리오에서 기존 방법론의 한계를 극복하기 위해 AIGQ라는 최초의 엔드-투-엔드 생성 모델 프레임워크를 제안합니다. AIGQ는 사용자 의도를 정확하게 모델링하는 IL-SFT 학습 패러다임, 개별 쿼리 관련성과 전역 목록 속성을 동시에 최적화하는 IL-GRPO 정책 최적화, 그리고 실시간 요구사항을 충족하는 하이브리드 오프라인-온라인 배포 아키텍처를 포함합니다. 이러한 혁신적인 접근 방식은 Taobao에서의 대규모 A/B 테스트를 통해 검색 추천의 플랫폼 효과 및 사용자 참여도를 크게 향상시키는 성과를 입증했습니다.

🔑 시사점 및 한계

•

전자상거래 검색 추천 분야에서 ID 기반 매칭 및 공동 클릭 휴리스틱의 한계를 극복하는 새로운 생성 모델 기반 프레임워크를 제시합니다.

•

사용자 세션 정보를 활용하고 이익 중심의 재순위화 전략을 통해 사용자 의도를 더욱 정확하게 파악하는 학습 방법을 제안합니다.

•

실시간 및 저지연 요구사항을 충족하면서도 개인화된 쿼리 생성과 관심사 다양성 확장을 동시에 달성하는 하이브리드 배포 아키텍처를 효과적으로 설계했습니다.

•

제안된 AIGQ 모델은 온라인 환경에서 주요 비즈니스 지표를 크게 개선했지만, 생성 모델의 본질적인 예측 불가능성 및 잠재적 편향성에 대한 지속적인 연구와 개선이 필요합니다.

PDF 보기

Made with Slashpage