A Preference-oriented Diversity Model Based on Mutual-information in Re-ranking for E-commerce Search

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Huimu, Li, Mingming, Miao, Dadong, Wang, Songlin, Tang, Guoyu, Liu, Lin, Xu, Sulong, Hu, Jinghe
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generative Retrieval with Preference Optimization for E-commerce Search
von: Li, Mingming, et al.
Veröffentlicht: (2024)

RAD-DPO: Robust Adaptive Denoising Direct Preference Optimization for Generative Retrieval in E-commerce
von: Chen, Zhiguo, et al.
Veröffentlicht: (2026)

A Simple and Effective Framework for Symmetric Consistent Indexing in Large-Scale Dense Retrieval
von: Wang, Huimu, et al.
Veröffentlicht: (2025)

Optimizing E-commerce Search: Toward a Generalizable and Rank-Consistent Pre-Ranking Model
von: Xu, Enqiang, et al.
Veröffentlicht: (2024)

MODRL-TA:A Multi-Objective Deep Reinforcement Learning Framework for Traffic Allocation in E-Commerce Search
von: Cheng, Peng, et al.
Veröffentlicht: (2024)

Advancing Re-Ranking with Multimodal Fusion and Target-Oriented Auxiliary Tasks in E-Commerce Search
von: Xu, Enqiang, et al.
Veröffentlicht: (2024)

LREF: A Novel LLM-based Relevance Framework for E-commerce
von: Tang, Tian, et al.
Veröffentlicht: (2025)

Breaking the Hourglass Phenomenon of Residual Quantization: Enhancing the Upper Bound of Generative Retrieval
von: Kuai, Zhirui, et al.
Veröffentlicht: (2024)

Semantic-enhanced Modality-asymmetric Retrieval for Online E-commerce Search
von: Zhou, Zhigong, et al.
Veröffentlicht: (2025)

Towards Efficient and Generalizable Retrieval: Adaptive Semantic Quantization and Residual Knowledge Transfer
von: Wang, Huimu, et al.
Veröffentlicht: (2026)

A Unified Search and Recommendation Framework Based on Multi-Scenario Learning for Ranking in E-commerce
von: Liu, Jinhan, et al.
Veröffentlicht: (2024)

A Hybrid Cross-Stage Coordination Pre-ranking Model for Online Recommendation Systems
von: Zhao, Binglei, et al.
Veröffentlicht: (2025)

PPM : A Pre-trained Plug-in Model for Click-through Rate Prediction
von: Gao, Yuanbo, et al.
Veröffentlicht: (2024)

Relevance Matters: A Multi-Task and Multi-Stage Large Language Model Approach for E-commerce Query Rewriting
von: Dai, Aijun, et al.
Veröffentlicht: (2026)

Turning Noise into Value: Uncovering Service Preferences from Ambiguous Interaction in E-commerce
von: Li, Cheng, et al.
Veröffentlicht: (2025)

A Taxation Perspective for Fair Re-ranking
von: Xu, Chen, et al.
Veröffentlicht: (2024)

PreferRec: Learning and Transferring Pareto Preferences for Multi-objective Re-ranking
von: Zhou, Wei, et al.
Veröffentlicht: (2026)

Rich-Media Re-Ranker: A User Satisfaction-Driven LLM Re-ranking Framework for Rich-Media Search
von: Guo, Zihao, et al.
Veröffentlicht: (2026)

Vague Preference Policy Learning for Conversational Recommendation
von: Zhang, Gangyi, et al.
Veröffentlicht: (2023)

Learning to Trust: Dynamic Utilization of Retrieval-Augmented Generation for E-commerce Search Relevance
von: Xu, Tingqiao, et al.
Veröffentlicht: (2025)

Behavioral Feature Boosting via Substitute Relationships for E-commerce Search
von: Dong, Chaosheng, et al.
Veröffentlicht: (2026)

MOBIUS: Towards the Next Generation of Query-Ad Matching in Baidu's Sponsored Search
von: Fan, Miao, et al.
Veröffentlicht: (2024)

Semantic-Enhanced Relational Metric Learning for Recommender Systems
von: Li, Mingming, et al.
Veröffentlicht: (2024)

Beyond Positive History: Re-ranking with List-level Hybrid Feedback
von: Weng, Muyan, et al.
Veröffentlicht: (2024)

Adversarial Alignment and Disentanglement for Cross-Domain CTR Prediction with Domain-Encompassing Features
von: He, Junyou, et al.
Veröffentlicht: (2026)

Regret-aware Re-ranking for Guaranteeing Two-sided Fairness and Accuracy in Recommender Systems
von: Ye, Xiaopeng, et al.
Veröffentlicht: (2025)

OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search
von: Chen, Ben, et al.
Veröffentlicht: (2025)

Understanding Accuracy-Fairness Trade-offs in Re-ranking through Elasticity in Economics
von: Xu, Chen, et al.
Veröffentlicht: (2025)

Hi-Gen: Generative Retrieval For Large-Scale Personalized E-commerce Search
von: Wu, Yanjing, et al.
Veröffentlicht: (2024)

Enhancing Recommendation Diversity by Re-ranking with Large Language Models
von: Carraro, Diego, et al.
Veröffentlicht: (2024)

The Attention Market: Interpreting Online Fair Re-ranking as Manifold Optimization under Walrasian Equilibrium
von: Xu, Chen, et al.
Veröffentlicht: (2026)

Hierarchical Query Classification in E-commerce Search
von: He, Bing, et al.
Veröffentlicht: (2024)

GRIT: Graph-based Recall Improvement for Task-oriented E-commerce Queries
von: Kulkarni, Hrishikesh, et al.
Veröffentlicht: (2025)

Guaranteeing Accuracy and Fairness under Fluctuating User Traffic: A Bankruptcy-Inspired Re-ranking Approach
von: Ye, Xiaopeng, et al.
Veröffentlicht: (2024)

LLM-based Semantic Search for Conversational Queries in E-commerce
von: Siddiqui, Emad, et al.
Veröffentlicht: (2026)

Token-Controlled Re-ranking for Sequential Recommendation via LLMs
von: Dai, Wenxi, et al.
Veröffentlicht: (2025)

Synthetic Data Powers Product Retrieval for Long-tail Knowledge-Intensive Queries in E-commerce Search
von: Ling, Gui, et al.
Veröffentlicht: (2026)

Towards Scalability and Extensibility of Query Reformulation Modeling in E-commerce Search
von: Zhang, Ziqi, et al.
Veröffentlicht: (2024)

Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce
von: Liu, Zhiding, et al.
Veröffentlicht: (2025)

Taxonomy-based Negative Sampling In Personalized Semantic Search for E-commerce
von: Jinadu, Uthman, et al.
Veröffentlicht: (2025)