Récupération basée sur l'intégration : mesures de rappel et de précision au seuil pour évaluer la recherche de produits

Les systèmes modernes de récupération de produits deviennent de plus en plus complexes en raison de l'utilisation de représentations supplémentaires des produits, telles que le comportement des utilisateurs, la sémantique linguistique et les images de produits. Cependant, l'ajout de nouvelles informations et la complexification des modèles d'apprentissage automatique ne conduisent pas nécessairement à une amélioration des performances de recherche en ligne et commerciale, car après la récupération, la liste des produits est classée, ce qui introduit un biais propre. Néanmoins, la performance commerciale d'une recherche de produits sera moins bonne si l'on classe une liste incomplète de produits par rapport à une liste complète, et la pertinence des résultats de recherche ne s'améliorera pas grâce à un tri parfait de produits qui ne correspondent pas à la requête de recherche. Par conséquent, les principaux indicateurs de qualité pour la phase de récupération de produits restent le Rappel et la Précision au seuil k. Cet article compare plusieurs architectures de systèmes de récupération de produits dans la recherche de produits pour le commerce électronique. Pour ce faire, les concepts de Rappel et de Précision au seuil pour la récupération d'informations sont étudiés et la dépendance de ces mesures à l'ordre de présentation est révélée. Une procédure automatique a été développée pour calculer R@k et P@k, ce qui nous permet de comparer l'efficacité des systèmes de récupération d'informations. La procédure automatique proposée a été testée sur le jeu de données public WANDS pour plusieurs architectures clés. Les valeurs obtenues R@1000 = 84 % ± 9 % et P@10 = 67 % ± 17 % sont au niveau des modèles SOTA.