LLM是目前学术界研究的热点，同时工业界也在快速探索LLM在业务中的落地。本篇文章给大家介绍来自WWW24的一篇文章，介绍了淘宝电商将LLM用在了搜索场景中的query改写上，精心构建的领域特定数据集对LLM进行finetue，定义三种不同的优化目标并使用Preference Rank Optimization损失学习候选之间的偏序关系，极大的解决了长尾query中的“few-recall”问题。
论文标题：Large Language Model based Long-tail Query Rewriting in Taobao Search
下载地址：https://arxiv.org/pdf/2311.03758
已有的query改写工作集中在两个方向：
判别模型：从候选词集合中预估最优的词。这种方法依赖于精心构造的词典作为重写的候选集合，否则query改写后语义有可能发生偏移。
生成模型：使用transformer系的模型，根据原始query直接生成改写词，有些方法会加入强化学习和对比学习的思路。但是这种方法受限于模型的参数量，参数提升会提升模型的表达能力。目前LLM在query改写上有一些工作，但由于对没有使用query改写特定任务对大模型进行fine-tune，还存在一定的局限性。
本文提出了BEQUE框架（a comprehensive framework that Bridges the sEmantic gap for long-tail QUEries），框架包含三个阶段，如下图所示：
第一阶段 Multi-instruction Supervised Fine Tuning：使用多领域数据集对LLM进行finetune，主要包括Query Rewriting Dataset和辅助数据集2个部分。
Query Rewriting Dataset: 使用基线改写策略，对原始query取相关性TOPN的改写query。为了进一步优化数据集相关性，限制原始query和改写query的相关性必须大于某一阈值。基线改写策略对长尾query效果不佳，即便原始query和改写query语义上具有相关性，但是召回的商品集合未必相关。因此使用拒绝负采样，query和改写query召回商品后，要求用户真实交互过的商品数大于一定阈值，来保证和query和改写query在召回商品集合上的相关性：
辅助数据集：为增强LLM对长尾query的理解能力，使用quality classification，product title prediction，Chainof-thought，三个辅助数据集对LLM进行finetune
第二阶段 offline feedback：设计多个函数多角度评估改写query质量，包括relevance、increment、hitrate等3个评估方法。
relevance：即便原始query和改写query 语义上具有相关性，但是召回的商品集合未必相关。因此定义相关性指标来衡量改写前后召回商品的相关性。淘宝离线评估方法用来评估query和召回商品标题的相关性，因此定义改写query召回商品和原始query的相关性如下：
increment：query改写可以增加商品召回的数量，解决“few-recall”的问题。因此定义增量指标来衡量query改写后是否增加了召回商品的数量：
hitrate: 定义命中率指标，如果搜索场景之外成交过的某件商品和原始query相关性大于一定阈值，那query改写后应尽量召回该商品：
第三阶段 object alignment：强制模型学习改写query之间pairwise的偏序
使用PRO Loss来pair wise地学习改写query之间的顺序：
模型的最终Loss为监督微调的loss + PRO loss
模型离线效果如下表所示。从上图可以看到，与多种基线相比，BEQUE与多种基线相比，在多个测试集上的rele指标略为逊色，在incr/hitrate指标上有极大幅度的提升。
在线应用方面，由于LLM难以满足在线serving的时效性需求，无法直接在线使用。因此对torso query，离线inference改写后的query，将改写前后的query以key-value graph的形式存储，确保在线及时响应，覆盖淘宝主搜27%的PV。原始query和改写query召回的商品取并集进入后续的排序环节。14天在线AB实验中，在GMV && 订单量 && UV上都取得了正向效果。
END
