심층 분석: 우줌 마켓 검색의 기반 기술

Uzum Market 팀은 드미트리 시필로프의 지도 아래 검색 엔진을 구동하는 구성 요소에 대해 설명했습니다. 그들은 ElasticSearch Learning to Rank(LTR) 플러그인의 추론을 전용 랭킹 서비스로 이전했으며, 이 서비스는 Open Neural Network Exchange(ONNX) 모델을 수용하여 더 큰 유연성을 제공합니다. 스펠러 서비스는 쿼리의 오타를 수정하지만, 초기 텍스트 전용 기능은 부정확성을 초래했습니다. 예를 들어 'стуль'을 'стул' 대신 'сталь'로 수정하는 경우가 있었습니다. 그들은 주석이 달린 데이터로 그래디언트 부스팅 랭커를 훈련시켰고, 쿼리 빈도와 전환율 같은 추가 기능을 포함시켜 잘못된 수정을 50퍼센트 줄이고 올바른 수정을 8퍼센트 증가시켰습니다. 또한 성별과 소비 패턴 같은 기능을 사용하는 그래디언트 부스팅을 통해 개인화된 제안을 구현하여 참여 지표를 개선했습니다. 동의어의 경우, 통제되지 않은 동의어 베이스로 인해 쿼리 폭발이 발생하는 문제에 직면했으며, 사용되지 않거나 유해한 동의어를 정리하는 작업을 진행 중입니다.