Diepgaand: de tools achter de zoekfunctie van Uzum Market

Het team van Uzum Market, onder leiding van Dmitry Shipilov, gaf details over de componenten die hun zoekmachine aandrijven. Ze migreerden de inferentie van de ElasticSearch Learning to Rank (LTR)-plugin naar een speciale rankingservice die Open Neural Network Exchange (ONNX)-modellen accepteert, wat meer flexibiliteit biedt. Een speller-service corrigeert typefouten in zoekopdrachten, maar initiële tekstuele kenmerken leidden tot onnauwkeurigheden, bijvoorbeeld het corrigeren van 'стуль' naar 'сталь' in plaats van 'стул'. Ze trainden een gradient boosting ranker op geannoteerde gegevens met extra kenmerken zoals zoekfrequentie en conversie, waardoor onjuiste correcties met 50 procent werden verminderd en correcte correcties met 8 procent werden verhoogd. Ze implementeerden ook gepersonaliseerde suggesties met behulp van gradient boosting met kenmerken zoals geslacht en bestedingspatronen, wat de betrokkenheidsmetrieken verbeterde. Voor synoniemen werden ze geconfronteerd met problemen door een ongecontroleerde synoniemenbasis die leidde tot explosie van zoekopdrachten, en ze werken aan het opschonen van ongebruikte en schadelijke synoniemen.