Analyse approfondie : les outils derrière la recherche de Uzum Market

L'équipe d'Uzum Market, dirigée par Dmitry Shipilov, a détaillé les composants qui alimentent leur moteur de recherche. Ils ont migré l'inférence du plugin ElasticSearch Learning to Rank (LTR) vers un service de classement dédié qui accepte des modèles Open Neural Network Exchange (ONNX), offrant ainsi plus de flexibilité. Un service de correction orthographique corrige les fautes de frappe dans les requêtes, mais les fonctionnalités initiales basées uniquement sur le texte ont entraîné des inexactitudes, par exemple, corrigeant 'стуль' en 'сталь' au lieu de 'стул'. Ils ont entraîné un ranker par boosting de gradient sur des données annotées avec des fonctionnalités supplémentaires telles que la fréquence des requêtes et la conversion, réduisant les corrections incorrectes de 50 pour cent et augmentant les corrections correctes de 8 pour cent. Ils ont également mis en œuvre des suggestions personnalisées en utilisant le boosting de gradient avec des fonctionnalités comme le sexe et les habitudes de dépense, améliorant ainsi les indicateurs d'engagement. Pour les synonymes, ils ont rencontré des problèmes avec une base de synonymes non contrôlée provoquant une explosion des requêtes, et ils travaillent actuellement à nettoyer les synonymes inutilisés et nuisibles.