2025 г., Том 30, № 6, с.98-108

В электронной коммерции хорошо известна проблема “длинного хвоста” запросов, препятствующая созданию эффективных обратных индексов по строковым представлениям запросов. Подходы к сокращению разнообразия поисковых запросов на основании текстовой близости, нечеткого хеширования и коллаборативной парадигмы широко применяются, но имеют ограничения при обработке предметных сущностей (брендов, характеристик товаров и предметов), критически значимых для продуктового поиска. В исследовании предложен подход к позиционному взвешиванию токенов поискового запроса на основании влияния контекста запроса с учетом предметных сущностей. Реализация данного подхода в виде модели машинного обучения C2T позволила уменьшить разнообразие поисковых запросов на 48 % по показателю “перплексия”.