임베딩 기반 검색: 제품 검색 평가를 위한 임계 재현율 및 정밀도 측정

현대의 제품 검색 시스템은 사용자 행동, 언어 의미론, 제품 이미지와 같은 추가 제품 표현의 사용으로 인해 점점 더 복잡해지고 있습니다. 그러나 새로운 정보를 추가하고 기계 학습 모델을 복잡하게 만든다고 해서 온라인 및 비즈니스 검색 성능이 반드시 향상되는 것은 아니며, 검색 후 제품 목록이 순위가 매겨지기 때문에 자체적인 편향이 발생합니다. 그럼에도 불구하고 제품 검색의 비즈니스 성능은 불완전한 제품 목록을 순위를 매기는 것보다 완전한 제품 목록을 순위를 매기는 것이 더 나쁩니다. 또한 검색 결과의 관련성은 검색 쿼드와 일치하지 않는 제품을 완벽하게 정렬한다고 해서 개선되지 않습니다. 따라서 제품 검색 단계의 주요 품질 지표는 k 임계값에서의 재현율과 정밀도로 남아 있습니다. 이 논문은 전자상거래에서 제품 검색을 위한 여러 제품 검색 시스템 아키텍처를 비교합니다. 이를 위해 정보 검색을 위한 임계 재현율 및 정밀도의 개념이 조사되고 이러한 측정이 발급 순서에 따라 어떻게 달라지는지가 밝혀졌습니다. R@k 및 P@k를 계산하기 위한 자동 절차가 개발되었으며, 이를 통해 정보 검색 시스템의 효과성을 비교할 수 있습니다. 제안된 자동 절차는 여러 주요 아키텍처에 대해 WANDS 공개 데이터 세트에서 테스트되었습니다. 얻어진 값 R@1000 = 84% ± 9% 및 P@10 = 67% ± 17%는 SOTA 모델 수준에 해당합니다.