ПРЕПРИНТ
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
Поиск аналогов товаров является ключевым компонентом систем электронной коммерции и используется в сценариях рекомендательных блоков, поисковых подсказок и замещения недоступных товаров. В реальных каталогах данная задача осложняется частичным покрытием: существенная доля товаров не имеет валидных аналогов, вследствие чего принудительное ранжирование по сходству приводит к генерации ложноположительных рекомендаций и деградации пользовательского опыта. В данной работе рассматривается подход к поиску аналогов, основанный на обогащении моделей обучения ранжированию графовыми признаками, построенными на основе двудольного графа «товар–техническая характеристика». Предложенные признаки формализуют структурные свойства каталога, включая плотность и асимметрию спецификаций, пересечение и покрытие характеристик, и дополняют стандартные табличные сигналы, такие как сходство числовых и булевых технических параметров и ценовые соотношения. Задача формулируется в селективной постановке, допускающей отказ от ответа для товаров, не имеющих надёжных аналогов. Экспериментальная оценка проведена на крупном проприетарном каталоге, содержащем десятки тысяч товаров и сотни тысяч связей в графе характеристик. В качестве базовой модели используется Learning-to-Rank на основе LightGBM с оптимизацией LambdaRank. Результаты показывают, что добавление графовых признаков обеспечивает устойчивый прирост качества ранжирования по метрикам nDCG@5 и nDCG@10 при высоком уровне покрытия. Анализ полноты на уровне товаров демонстрирует, что модель с графовыми признаками существенно повышает вероятность нахождения хотя бы одного валидного аналога, что является критически важным для прикладных сценариев и напрямую связано с ростом кликабельности (CTR) и вероятности конверсии (CVR). Дополнительный анализ распределений по категориям и плотности заполнения характеристик выявляет выраженный структурный компромисс между покрытием и полнотой, особенно в специализированных и разреженных сегментах каталога. Полученные результаты подтверждают, что использование графовых признаков является эффективным и практически реализуемым способом повышения надёжности и интерпретируемости поиска аналогов в промышленных системах электронной коммерции.
Краснов Ф. К. 2026. Улучшение поиска аналогов товаров с использованием графовых признаков. PREPRINTS.RU. https://doi.org/10.24108/preprints-3114388
