超越相关性：使用大语言模型增强注释进行产品搜索的结构化语义监督

电子商务搜索需要区分仅与查询相关的产品和直接满足用户购物意图的产品。我们使用结构化的 LLM 生成的查询和产品属性以及人工验证的相关性、解释和中心性判断来增强查询-产品对，并使用简单的双编码器检索器和 MLP 重新排序器来评估这些信号。在 ESCI 的增强子集中，人类特征预言机达到 $0.9382$ nDCG@10，而无人训练的 $Q+P$ 配置达到 $0.9258$。人类信号的综合近似值总体达到 0.9150 美元，但为困难、低性能的查询提供了巨大的收益。消融表明，大部分预言机改进来自后期编辑的解释和注释者评论，而不是标量中心性特征，这表明大语言模型对于暴露和近似结构化语义监督最有用，而不是直接取代人类判断。