深度解析：Uzum Market搜索背后的工具

由德米特里·希皮洛夫领导的Uzum Market团队详细介绍了其搜索引擎的组成部分。他们将推理从ElasticSearch的Learning to Rank（LTR）插件迁移至一个专用排序服务，该服务接受开放神经网络交换（ONNX）模型，从而提高了灵活性。一个拼写纠错服务用于修正查询中的拼写错误，但最初仅基于文本的特征导致不准确，例如，将“стуль”错误地纠正为“сталь”而不是“стул”。他们在标注数据上训练了一个梯度提升排序器，并加入了诸如查询频率和转化率等额外特征，将错误纠正减少了50%，正确修正增加了8%。他们还利用梯度提升方法实现了个性化建议，加入了性别和消费模式等特征，从而提升了互动指标。在近义词方面，他们遇到了不受控制的近义词库导致查询膨胀的问题，目前正在清理无用且有害的近义词。