Recupero Generativo per l'E-commerce con ID Semantici e RL

Un articolo di ricerca propone CQ-SID, un framework di recupero generativo per la ricerca nell'e-commerce che utilizza l'apprendimento contrastivo category-aware e query-item con Residual Quantized VAE per codificare i prodotti in ID di cluster semantici gerarchici, riducendo la complessità della beam search. Il metodo introduce anche EG-GRPO, un approccio di apprendimento per rinforzo che utilizza l'ottimizzazione delle politiche relative guidata da esperti per allineare il recupero con gli obiettivi di ranking a valle. Il framework è progettato come supplemento nella fase di recall piuttosto che come sostituzione end-to-end, affrontando le sfide di cataloghi dinamici massicci e severi requisiti di latenza in contesti industriali. L'articolo è disponibile su arXiv con ID 2605.14434.