VCG：极端冷启动条件下电子商务视频源的多模态检索框架

数字商务格局正在从静态、搜索驱动的目录转向动态、沉浸式视频源。这种转变引入了“极端冷启动”问题：与传统项目不同，新的短视频缺乏协作过滤所需的密集交互历史记录。此外，沉浸式反馈会引入强烈的位置和持续时间偏差，从而扭曲标准参与信号。在本文中，我们演示了视频候选生成（VCG）系统，这是一个可扩展的多模式检索引擎，旨在解决大规模电子商务环境中的这些挑战。通过利用适应领域的视觉语言模型（基于 CLIP），我们将用户和视频映射到共享语义空间，从而实现基于视觉内容而不是行为历史的零镜头检索。我们详细介绍了系统的架构，并提出了比较生成式（LLM）与判别式（CLIP）嵌入的严格评估。我们的结果表明，虽然生成模型擅长属性预测，但它们在检索任务中遭受嵌入空间崩溃的困扰。在线 A/B 测试表明，VCG 有效地减轻了参与偏差，使深度视频完成度提高了 50%。为了展示系统的功能，我们提供了一个交互式演示，其中包含三个双向检索场景：产品到视频、视频到产品和零样本语义搜索。