🔵 عنوان مقاله
From Scoring to Spelling: Rebuilding Ads Retrieval at Instacart (12 minute read)

🟢 خلاصه مقاله:
در ابتدا، شرکت Instacart سیستم بازیابی تبلیغات خود را به کمک یک مدل مبتنی بر امتیازدهی BERT توسعه داده بود که هر شناسه محصول را ارزیابی می‌کرد. این رویکرد، هرچند در ابتدا مؤثر بود، اما با مشکلاتی مانند محدودیت در دامنه واژگان، شروع سرد و تغییرات ساختاری مواجه شد که مانع از ارائه نتایج بهینه می‌شد. تیم فنی این شرکت با تحلیل این چالش‌ها، تصمیم گرفتند تا رویکرد خود را تغییر دهند و به سمت یک روش تولیدی حرکت کنند که توصیه‌ها را به شکل توکن‌به‌توکن، یعنی با استفاده از شناسه‌های معنایی مخصوص Instacart، "حروف‌چینی" کند.

این تغییر استراتژیک، مشکل محدودیت واژگان را به خوبی حل کرد و باعث شد سیستم بتواند کاتالوگ کامل محصولات را در بر بگیرد. همچنین، مشکل شروع سرد که در حالت‌های جدید و کم‌تکرار پیش می‌آمد، به مرور برطرف شد و ساختارهای متفاوت و تغییرات در داده‌ها بهتر مدیریت شدند. نتیجه این تغییر، توانایی بالای سیستم در تعمیم‌دهی بهتر، درک عمیق‌تر از جلسه‌های کاربر و پوشش کامل‌تر کاتالوگ محصولات بود. در نتیجه، سیستم جدید استراتژیک، نه تنها دقت بالاتری داشت، بلکه انعطاف‌پذیری بیشتری در مواجهه با تغییرات و نیازهای مختلف فراهم آورد، که تاثیر قابل توجهی بر بهبود تجربه کاربری و بهره‌وری تبلیغات در پلتفرم Instacart داشت.

#تبلیغات #یادگیری_ماشین #هوش_مصنوعی #فناوری

🟣لینک مقاله:
https://tech.instacart.com/from-scoring-to-spelling-rebuilding-ads-retrieval-at-instacart-cf36b4e8d1bb?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy