본 논문은 기존의 스파스 및 덴스 검색 방법의 한계를 극복하고 전반적인 세계 지식을 활용하여 질의와 상품의 미묘한 특징을 포착하는 새로운 전자상거래 검색 패러다임인 Generative Retrieval and Alignment Model (GRAM)을 제시합니다. GRAM은 질의와 상품의 텍스트 정보에 대한 공동 학습을 통해 공유 텍스트 식별자 코드를 생성하여 질의와 상품 간의 간극을 효과적으로 해소합니다. 이를 통해 질의와 상품 간의 연결을 강화하고 추론 효율성을 개선하며, 공동 정렬 전략과 질의-상품 점수 매커니즘을 통해 검색 효율을 더욱 높입니다. 오프라인 및 온라인 A/B 테스트를 통해 기존 모델 및 최신 생성 검색 모델보다 GRAM의 효과와 실용성을 입증합니다.
시사점, 한계점
•
시사점:
◦
기존 검색 모델의 한계점인 세계 지식 활용 부족 및 질의-상품 간의 의미 차이 문제를 해결하는 새로운 접근 방식 제시.
