Tencent研究者、WeFair検索フレームワークを発表

Tencentの研究者は10月30日、WeChatのショート動画検索で、利用者ごとの検索意図に合わせて検索語を書き換える人間フィードバック型の学習フレームワーク「WeFair」を論文で発表しました。曖昧な検索語を意図に沿った短い語句に変換し、厳しい応答時間の制約も満たす設計です。研究チームによると、WeFair-2Bはオフライン評価で総合精度と意図保持の両面で有力な既存手法を上回りました。オンラインのA/Bテストでは、有効な動画視聴率が相対値で2.593％上昇し、検索語を再入力する率が相対値で2.350％低下しました。1日1億件を超える検索を扱うWeChatのショート動画検索に導入されています。

WeFairは、個人の意図をどれだけ直接反映するかに応じ、人間のフィードバックを3段階の学習に分けます。実演段階では、正解付きの例でモデルを学習させる教師ありファインチューニングを用います。検索セッションの文脈や実際の検索語の修正例から学び、文脈から検索語を予測する方法から、修正と意図保持について推論し、直接予測する方法へ進みます。研究者は実際の検索セッションから検索語と修正例を集め、文脈による裏付けがあるデータを選別しました。

選好段階では、直接選好最適化により、その後の視聴行動から相対的な好みを学びます。論文によると、視聴行動に頼りすぎると、利用者の目先の必要よりも視聴を促す動画が優先される場合があり、行動履歴を使った書き換えでも意図がずれることがあります。検証段階では、実際の人間による検索語の修正例と意図保持の目標を使うグループ相対方策最適化で、このずれを抑えます。研究チームは、幅広い教師信号が学習全体に役立つ一方、厳密な検証は補助的な報酬より高い性能を示し、行動に基づく報酬を増やしても、必ずしも意図に忠実な書き換えになるとは限らないと報告しました。

Tencentの研究者は10月30日、WeChatのショート動画検索で、利用者ごとの検索意図に合わせて検索語を書き換える人間フィードバック型の学習フレームワーク「WeFair」を論文で発表しました。曖昧な検索語を意図に沿った短い語句に変換し、厳しい応答時間の制約も満たす設計です。研究チームによると、WeFair-2Bはオフライン評価で総合精度と意図保持の両面で有力な既存手法を上回りました。オンラインのA/Bテストでは、有効な動画視聴率が相対値で2.593％上昇し、検索語を再入力する率が相対値で2.350％低下しました。1日1億件を超える検索を扱うWeChatのショート動画検索に導入されています。

WeFairは、個人の意図をどれだけ直接反映するかに応じ、人間のフィードバックを3段階の学習に分けます。実演段階では、正解付きの例でモデルを学習させる教師ありファインチューニングを用います。検索セッションの文脈や実際の検索語の修正例から学び、文脈から検索語を予測する方法から、修正と意図保持について推論し、直接予測する方法へ進みます。研究者は実際の検索セッションから検索語と修正例を集め、文脈による裏付けがあるデータを選別しました。

選好段階では、直接選好最適化により、その後の視聴行動から相対的な好みを学びます。論文によると、視聴行動に頼りすぎると、利用者の目先の必要よりも視聴を促す動画が優先される場合があり、行動履歴を使った書き換えでも意図がずれることがあります。検証段階では、実際の人間による検索語の修正例と意図保持の目標を使うグループ相対方策最適化で、このずれを抑えます。研究チームは、幅広い教師信号が学習全体に役立つ一方、厳密な検証は補助的な報酬より高い性能を示し、行動に基づく報酬を増やしても、必ずしも意図に忠実な書き換えになるとは限らないと報告しました。