Mergulho profundo: as ferramentas por trás da busca do Uzum Market

A equipe da Uzum Market, liderada por Dmitry Shipilov, detalhou os componentes que alimentam seu mecanismo de busca. Eles migraram a inferência do plugin ElasticSearch Learning to Rank (LTR) para um serviço de ranqueamento dedicado que aceita modelos Open Neural Network Exchange (ONNX), permitindo maior flexibilidade. Um serviço de corretor ortográfico corrige erros de digitação nas consultas, mas os recursos iniciais baseados apenas em texto levaram a imprecisões, por exemplo, corrigindo 'стуль' para 'сталь' em vez de 'стул'. Eles treinaram um ranker de gradient boosting em dados anotados com recursos adicionais, como frequência de consulta e conversão, reduzindo correções incorretas em 50 por cento e aumentando correções corretas em 8 por cento. Também implementaram sugestões personalizadas usando gradient boosting com recursos como gênero e padrões de gastos, melhorando as métricas de engajamento. Para sinônimos, enfrentaram problemas com uma base de sinônimos não controlada causando explosão de consultas, e estão trabalhando na limpeza de sinônimos não utilizados e prejudiciais.