Análisis profundo: las herramientas detrás de la búsqueda de Uzum Market

El equipo de Uzum Market, liderado por Dmitry Shipilov, detalló los componentes que impulsan su motor de búsqueda. Migraron la inferencia del plugin ElasticSearch Learning to Rank (LTR) a un servicio de clasificación dedicado que acepta modelos Open Neural Network Exchange (ONNX), lo que permite una mayor flexibilidad. Un servicio de corrector corrige errores tipográficos en las consultas, pero las características iniciales basadas solo en texto provocaban imprecisiones, por ejemplo, corregir 'стуль' a 'сталь' en lugar de 'стул'. Entrenaron un clasificador de gradiente potenciado sobre datos anotados con características adicionales como la frecuencia de consulta y la conversión, reduciendo las correcciones incorrectas en un 50 por ciento y aumentando las correcciones correctas en un 8 por ciento. También implementaron sugerencias personalizadas utilizando gradiente potenciado con características como el género y los patrones de gasto, mejorando las métricas de participación. En cuanto a los sinónimos, enfrentaron problemas con una base de sinónimos no controlada que causaba explosión de consultas, y están trabajando en limpiar sinónimos no utilizados y dañinos.