【KDD 2020】Facebook搜索中语义Embedding检索技术的实战经验总结

论文：Embedding-based Retrieval in Facebook Search

地址：https://www.zhuanzhi.ai/paper/471ae2edf9adf0e766b4fd8cf95ca986

相对于传统的网页搜索来说，社交网络中的搜索问题不仅需要关注输入query的信息，还需要考虑用户的上下文信息，在Facebook搜索中用户的社交图网络便是这种上下文信息中非常重要的一部分。虽然embedding的检索技术在传统的搜索引擎中得到了广泛应用，但是Facebook搜索之前主要还是使用布尔匹配模型。本文讨论了如何将embedding检索技术应用在Facebook搜索的技术方案，我们提出了一套统一的embedding框架用于建模个性化搜索中的语义embedding，以及基于经典的倒排索引进行在线embedding检索的系统。同时讨论了整个系统中很多端对端的优化技巧，例如ANN调参经验、全链路的优化等。最后，我们在FaceBook垂直搜索场景下验证了本文方法的有效性，在线A/B实验取得了显著的收益。