SAM-D2Q：使多模式 Doc2Query 与电子商务的搜索需求和转换保持一致

电子商务搜索经常会遇到用户查询和商家创作的产品标题之间的词汇不匹配的问题，因为短标题无法完全覆盖不同的用户表达或视觉产品属性。尽管 Doc2Query 通过生成用于文档扩展的伪查询来缓解这个问题，但传统方法是纯文本的，并且没有针对电子商务业务目标进行优化。因此，它们可能会产生语义上合理但商业上无效的扩展，并错过产品图像中存在的关键属性。为此，我们提出了电子商务搜索对齐多模态 Doc2Query (SAM-D2Q)，这是一种用于布尔检索约束下电子商务搜索的业务对齐多模态文档扩展框架。 SAM-D2Q 包含三个阶段：（1）任务适应多模态监督 微调，以增强对产品标题、图像和用户查询的视觉语言理解； (2) 多模态数据增强，以改善关键视觉属性的感知并扩大覆盖范围； （3）针对搜索业务目标的基于强化学习的偏好调整，鼓励模型生成更好地匹配用户意图和商业价值的伪查询。离线实验表明，SAM-D2Q 比传统 Doc2Query 方法显着提高了检索性能。 SAM-D2Q 部署在速卖通生产搜索系统中，改善了在线业务指标，使 GMV 提高了 3.38%，支付计数提高了 2.27%。