8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Авторы

Краснов Ф. И.

Ученая степень
канд. техн. наук, специалист по поисковым и рекомендательным системам в электронной коммерции, сотрудник Исследовательского центра ООО «ВАЙЛДБЕРРИЗ СК» на базе Инновационного центра «Сколково»
E-mail
krasnov.fedor2@wb.ru
Местоположение
г. Москва, Россия
Статьи автора

Повышение полноты и точности поиска товаров на торговых интернет-площадках

Экономический эффект торговых интернет-площадок напрямую зависит от того, как быстро будут находить покупатели нужные товары. Низкая скорость поиска приводит к отказам от покупок, а отсутствие нужного товара на первой странице с результатами поиска снижает количество добавлений товаров в корзину. Время отклика системы поиска и наличие нужного товара на первых позициях поисковой выдачи характеризуются показателями полноты и точности системы поиска. Проблема низкого показателя полноты поиска, то есть всех подходящих под поисковый запрос товаров, обостряется в связи с ростом нагрузки и количества предлагаемых магазином товаров. Множество исследований направлено на поиск возможностей улучшения показателей полноты и точности путем более эффективного использования аппаратной части системы поиска и разработки моделей машинного обучения с новыми «слоями» искусственных нейронных сетей, обучающими данными и функциями потерь. В настоящей работе предложен подход, который для увеличения полноты поиска использует знания о товарных категориях. Универсальные методы приближенного поиска используют искусственные кластеры товаров для сокращения времени обработки поискового запроса. При этом полнота найденных товаров-кандидатов ухудшается на 10–20%. Такой подход оправдан, когда данные не имеют естественной структуры. В случае торговой интернет-площадки данные хорошо известны, ими являются товары и их модальности – название, описание, товарная категория, изображения товара, что дает возможность использовать эти знания о данных для улучшения приближенного поиска. Экспериментальные оценки результатов применения данного подхода выявили улучшения показателей полноты и точности извлеченной информации о товарах более чем на 50% без снижения скорости обработки поискового запроса. Читать дальше...