AIeBay

AIAIeBay

在电子商务网站上，搜索引擎是买家用于研究和购买的有效工具。在eBay，我们一直利用我们海量的闭环商业数据，例如交易数据，库存信息，产品目录，买家/卖家档案，用户行为等，开发机器学习模型来提供最佳搜索体验，而且取得了很好效果。但是在某些情况下，我们的搜索引擎还是不了解用户真正的购物意图，返回错误结果或者没有答案。比如搜索“一双低于90美元的耐克鞋”，“给3岁以下男孩的玩具车”等等。随着新的AI技术的发展，像深度学习和自然语言理解，我们可以使用语义关联来理解真正意图。在这个演讲中，我将介绍来自eBay的3个这样的项目： 第一个项目是关于实体识别（NER）。例如，对于查询“michael kors medium brown leather handbag”，我们可以识别和标记重要的产品实体名，如“michael kors [BRAND] medium [SIZE] brown [COLOR] leather [MATERIAL] handbag [PRODUCT TYPE]”。这是语言理解的一个基本问题，对于eBay搜索数据来说尤其有挑战性，因为搜索词和产品名很短，非结构化，有模糊的术语等。该项目采用混合深度学习神经网络架构：CNN + LSTM + CRF 来应对这些挑战并生成满意的结果。 第二个项目是针对“配件污染”问题的解决方案。例如搜索“jaguar smart key”时，排在前面的搜索结果有很多“jaguar smart key shell case”或“jaguar smart key replacement button pad”，因为它们都属于配件类别而且词语匹配。使用NER工具，我们利用BRAND，VEHICLE MANUFACTURER，VEHICLE ACCESSORY，VEHICLE COMPONENT等产品实体名来理解搜索词语义，并将这些语义信息构建到深度学习的模型中来做更精确的匹配。 最后一个项目是关于对话式搜索。 一个典型的购物者旅程从一个简短的或模糊的购物意图开始的，逐渐精炼成特定的产品。 这个过程需要一些关于使用搜索引擎的知识。 不是每个人都可以有效地做到这一点，一些用户会在中途放弃。 在eBay我们对我们的库存，产品信息，购物行为模式等有深入的了解。因此我们建立了一个知识图（KG）来捕捉这些知识，为我们的客户提供智能和基于对话的指导， 帮助他们可以从我们数十亿产品中快速找到他们想要的东西。 总之，新的AI技术可以将传统的搜索引擎提升到一个新的水平。 我们的工作只是向智能化和个性化购物助手迈出的第一步。