الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
Doc2Query, a popular document expansion technique, leverages sequence-to-sequence models to generate relevant queries, effectively addressing the "vocabulary mismatch" problem in information retrieval. However, these models often suffer from generating either hallucinations unrelated to the document or repetitive content already present in the document. Training sequence-to-sequence models to produce high-quality, novel, and relevant tokens remains a significant challenge. To address these issues, we introduce a novel approach, QGDPO, that employs direct preference optimization (DPO) to guide the generation process. We first fine-tune a base sequence-to-sequence model and subsequently utilize a relevance model to score its predictions. Based on these scores, we construct pairs of winning and losing predictions as relevance preferences for the DPO training. Furthermore, we enhance our pipeline by using the relevance model to filter out poor predictions, retaining only the most relevant generated content for indexing. QGDPO effectively eliminates 50% of irrelevant predictions comparing against Doc2Query baselines, while the relevance filter removes an additional 14.61%. This feature has been successfully deployed to production on Walmart.com for full traffic, with a substantial improvement in relevance and user engagement.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Li, K., Liu, F., Lin, J., Cai, X., Yang, Z., Lee, T., & Liao, C. (2026). توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني. https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search
MLA 9
Li, Kaihao, et al. "توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني." https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search.
شيكاغو (المؤلف–التاريخ)
Li, Kaihao, Feng Liu, Juexin Lin, Xunfan Cai, Zhen Yang, Tony Lee, and Ciya Liao. 2026. "توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني." https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search.
هارفارد
Li, K., Liu, F., Lin, J., Cai, X., Yang, Z., Lee, T. and Liao, C. (2026) 'توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني', Available at: https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search.
فانكوفر
Li K, Liu F, Lin J, Cai X, Yang Z, Lee T, et al. توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني. https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search
IEEE
K. Li, F. Liu, J. Lin, X. Cai, Z. Yang, T. Lee, and C. Liao, "توليد الاستعلامات بالتحسين المباشر للتفضيل لتوسيع الوثائق في البحث التجاري الإلكتروني," https://omanscience.com/ar/articles/query-generation-with-direct-preference-optimization-for-document-expansion-in-e-commerce-search.