DoorDash 论文:统一 Semantic ID 实现跨商家排序与搜索建议优化
_reachsumit · x · 2026-08-24
DoorDash 发布论文探讨如何利用单一的分层 Semantic ID (SID) 表示来同时支持个性化排序和查询重构。多商家电商目录中,同类产品在不同商家下 ID 不同,导致行为证据碎片化。该方案从产品内容嵌入中学习分层结构,定义不同粒度的产品概念,使各应用能结合自身行为和服务上下文使用。在排序方面,聚合消费者亲和力和产品性能以提取序列特征;在查询重构方面,利用 SID 概念锚定查询和会话转换。离线和在线评估显示,该方法提升了相关性、加购率以及非热门产品的曝光度,且比传统分类法更好地保留了意图。
「研究」频道最新
- AAAI 2027 承认评审过程存在串谋互评现象 — Fragrant_Fan_6751 · 2026-08-24
- 新模型 T7 Promoter 准确预测转录率 — anshulkundaje · 2026-08-24
- 研究称统计学习或为所有认知系统的涌现属性 — abenitezburraco · 2026-08-24
- 实战:用 RL 自我进化设计芯片,Kimi K3 跑出 87000 tps — brianryhuang · 2026-08-24
- 预测会改变现实:Manheim 引 Popper「俄狄浦斯效应」谈自我实现预言 — davidmanheim · 2026-08-24
- 优化评测应修复评测而非构建合成环境 — xeophon · 2026-08-24