电商搜索
收录了 电商搜索 频道下的 50 篇内容
电商搜索系统质量保障体系建设
本次分享介绍京东电商搜索系统质量保障体系建设的经验。
如何构建一个好的电商搜索引擎？
本文主要分享智能搜索在电商的应用探索，介绍如何构建一个好的电商搜索引擎。
解读电商搜索——如何让你买得又快又好
本文结合作者的电商算法经验，以手淘搜索为例展开，介绍产品和诉求层面以及如何使用搜索入口来做用户引导
电商搜索系统质量保障体系建设丨 ArchSummit
电商搜索的主要对象是商品，目标是用户精确找到商品，卖家有机会曝光商品，商城构建良好的生态。围绕这个三个核心业务指标，系统稳定、结果精确、研发效率、排序效果，既是电商搜索系统研发的目标，也是挑战。
电商搜索革命：大模型如何重塑购物体验？| AICon
8月18日-19日，京东技术总监翟周伟即将分享《电商大模型及搜索应用实践》实践，欢迎现场来交流。
1 号店 11.11：机器排序学习在电商搜索中的实战
经过8年的发展，同时伴随着我们对用户需求和行为的不断认识，1号店的搜索Ranking Model也在朝着精细化方向深化。我们希望通过不断演化的排序模型，既能提升用户满意度，也能提升网站的流量转化率。为了保证11.11期间排序学习算法能够在搜索系统中成功应用，我们在今年Q2就开始了这方面的探索。
京东电商搜索中的语义检索与商品排序
本文将介绍京东搜索场景中的两块技术，语义检索与商品排序。
从点击率提升到用户长期行为优化：浅谈人工智能技术在电商搜索的落地应用
本次分享介绍如何利用人工智能技术来建立一个数据驱动的智能搜索功能，为电子商务网站实现从引导点击率到用户长期行为优化的技术提升。
阿里提出电商搜索全局排序方法，淘宝无线主搜 GMV 提升 5%
AI 前线本周带来第 35 篇论文解读，本期要解读的论文来自阿里巴巴，主题是：电商搜索全局排序方法。一个好的排序算法可以为电商带来销量的巨大提升，如果你也是这一领域的开发者，希望阿里巴巴的这篇论文解读对你能有所启发。
京东大模型革命电商搜推技术：挑战、实践与未来趋势
突破搜索与推荐边界，京东大模型重塑电商效率与体验
电商搜索革命：大模型如何重塑购物体验？
自我介绍：京东零售搜推算法部算法工程师，专注于大模型技术以及在 AI 助手搜推等领域的应用探索和实践。在 AI 助手，NLP 和搜索领域有十多年研发实践经验，在 AI/NLP 领域申请超过 15 项发明专利并出版两部著作。
电商搜索革命：大模型如何重塑购物体验？| AICon
随着电商行业的蓬勃发展，搜索技术作为连接用户与商品的桥梁，其重要性日益凸显。在技术不断革新的今天，电商搜索技术经历了哪些阶段？面对大模型的飞速发展，企业又将如何把握趋势，应对挑战？
电商搜索效率的革命性提升：阿里巴巴搜索 API 返回值的应用
电商搜索效率的革命性提升，在很大程度上得益于阿里巴巴搜索API返回值的应用。这些API返回值提供了丰富的电商数据，使得商家能够更快速、准确地获取商品信息，从而优化运营策略。以下是对阿里巴巴搜索API返回值应用的详细分析，包括代码示例：
“搜你所想”之用户搜索意图识别
获取信息是人类认知世界、生存发展的刚需，搜索就是最明确的一种方式，其体现的动作就是“出去找”，找食物、找地点等，到了互联网时代，搜索引擎（Search Engine）就是满足找信息这个需求的最好工具，你输入想要找的内容（即在搜索框里输入查询词，或称为 Query），搜索引擎快速的给你最好的结果，这样的刚需催生了谷歌、百度这样的互联网巨头。 本文结合达观在垂直搜索引擎建设方面的经验，主要围绕以下内容展开： 用户搜索意图的理解及其难点解析 如何进行用户搜索意图理解 达观数据用户搜索意图理解引擎介绍。
这一定是搜广推的变革！华为、京东、小红书、中科大是这样探索的 | AICon
8月18-19日，华为、京东、中科大、小红书等顶专家，即将分享他们大模型在搜广推方面的探索。
大众点评内容搜索算法优化的探索与实践
本文整理自美团技术沙龙第80期《美团内容智能分发的算法实践》，分享内容主要包括三部分。第一部分介绍了大众点评内容搜索的场景特点以及面临的挑战；第二部分介绍了为应对这些困难和挑战，技术团队在链路各环节上做的实践优化，包括内容消费和搜索满意度的优化等等；第三部分是总结和对未来的展望。
重磅！阿里开源自研高性能核心搜索引擎 Havenask
Havenask（内部代号 HA3），是过去十多年阿里在电商领域积累下来的核心竞争力产品。
当当 11·11：高可用移动入口与搜索新架构实践
2017年，当当较为全面地更新了其系统，一年一度的电商大促，正是考验其系统能力的时候。文章从应用限流、链路监控、APM、移动端网关和搜索系统几个模块，为读者分享了当当更新系统所做的点点滴滴。
京东 11.11：商品搜索系统架构设计
京东商品搜索引擎是搜索推荐部自主研发的商品搜索引擎，主要功能是为海量京东用户提供精准、快速的购物体验。
阿里巴巴提出基于异构内容流的动态排序模型，提升用户点击和购买率
本文中，我们的目标是解决商品搜索引擎和内容搜索引擎中异构数据排序的问题，给用户推荐丰富的个性化的内容流。我们把算法分成了两部分：1）异构内容流类型排序，即决定每个坑位展示何种类型的内容流，文章、视频还是商品列表；2）同构的内容流内容排序，第二个步骤使用广为人知的DSSM模型，在这个内容流类型下，对内容流的内容进行排序，选择相似度最高的内容插入。
京公网安备 11010502039052号 | 产品资质
