H2CE：使用异构两级交叉编码器对 POI 重排序的地理语义交互进行建模

本地搜索中的兴趣点 (POI) 重新排名必须对词汇语义、地理空间邻近性和数字质量信号（例如评分和评论计数）之间的查询条件权衡进行建模，同时在实时服务约束下保持实用性。较近的 POI 可能只能部分满足查询意图，而较远的 POI 可能会提供更强的语义和质量证据。我们提出了 H2CE，一种用于延迟限制 POI 重新排名的异构两级交叉编码器。 H2CE 以两种互补的方式表示数字属性：将分桶自然语言描述符插入到交叉编码器输入中以支持语义-数字注意力，而精确的标量值由专用 MLP 处理以保留幅度信息。由此产生的语义和数值嵌入通过潜在空间聚合进行融合，从而实现超越标量加权和的非线性交互。然后，H2CE 应用两阶段架构：第 1 阶段对所有候选者逐点评分以进行可扩展过滤，第 2 阶段在 top-$K$ 之间执行头对头成对比较 Copeland 聚合的候选者，使细粒度的相对权衡变得明确，同时将成对成本从 O(N^2) 降低到 O(N+K(K-1))。在 5,743 个查询的本地搜索测试集上，H2CE 实现了 67.48% NDCG@5，相对于 XGBoost LTR 绝对提高了 +22.82%，相对于零样本 LLM 重新排序器提高了 +35.89%。与单独的逐点模型相比，成对阶段增加了 +1.98% NDCG@5。消融确认了数值特征、潜在聚合、top-K 成对重新排名和对齐训练的价值。