概述
基于语义相似度的商品搜索推荐实践
-
- 一、背景
- 二、推荐目标
- 三、推荐架构
- 三、实时算法层介绍
-
- 1. Query分词
- 2. 意图识别
- 3. 粗排
- 4. 精排
- 5. 重排
- 四、后续优化
-
- 1. 用户反馈数据运用
- 2. 线上效果提升的关键因素
一、背景
搜索是一个发现用户主动兴趣的场景,query是用户兴趣的浓缩表达,用户输入的query可认为是一种ugc,在电商类产品中,普遍存在ugc推荐场景,因而query的推荐也扮演着不可小觑的角色,在产品中,我们在搜索栏为用户推荐Query。在NLP领域,语义相似度的计算一直是个难题:搜索场景下query和Doc的语义相似度、feeds场景下Doc和Doc的语义相似度、机器翻译场景下A句子和B句子的语义相似度等等。
二、推荐目标
全局目标是提升商品CTR和用户体验,分解为:
- 推荐与商品相关的query
最后
以上就是敏感故事为你收集整理的基于语义相似度的商品搜索推荐实践的全部内容,希望文章能够帮你解决基于语义相似度的商品搜索推荐实践所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复