Проблема полноты поиска в B2B-каталогах DIY-товаров: ограничения семантических эмбеддингов и сущностно-ориентированный подход

Федор Владимирович Краснов

ПРЕПРИНТ

Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.

Проблема полноты поиска в B2B-каталогах DIY-товаров: ограничения семантических эмбеддингов и сущностно-ориентированный подход

Ф. В. Краснов

2026-02-22

https://doi.org/10.24108/preprints-3114560

В статье рассматривается задача обеспечения высокой полноты поиска в B2B-каталогах DIY-товаров (инструменты и материалы для строительства и ремонта). На практике B2B-поиск предъявляет существенно более строгие требования к полноте, чем B2C-рекомендательные сценарии. Анализируется эволюция архитектуры поиска: от чистого dense retrieval на базе трансформерных эмбеддингов (ModernBERT, triplet loss) к гибридной системе, основанной на детекции сущностей (бренд, модель, технические характеристики) и структурированном сопоставлении (entity matching). Показано, что embedding-based retrieval не гарантирует полноту из-за сглаживания числовых токенов, семантической компрессии идентификаторов и особенностей ANN-поиска. Предложенная архитектура anchor-based retrieval обеспечивает значительный рост Recall@10 (с 0.65 до 0.97 на реальных данных) при сохранении приемлемой латентности и высокой объяснимости. Экспериментальная часть выполнена на промышленном каталоге более 10 млн позиций и выборке из 5 тыс. реальных B2B-запросов. Работа ориентирована на практическое применение и может быть использована при проектировании поисковых систем в сегменте B2B e-commerce.

Ссылка для цитирования:

Краснов Ф. В. 2026. Проблема полноты поиска в B2B-каталогах DIY-товаров: ограничения семантических эмбеддингов и сущностно-ориентированный подход. PREPRINTS.RU. https://doi.org/10.24108/preprints-3114560

Список литературы

1. Краснов Ф. В. Embedding-based retrieval: measures of threshold recall and precision to evaluate product search //Бизнес-информатика. – 2024. – Т. 18. – №. 2. – С. 22-34.

2. Krasnov F., Kurushin F., Mogilevich E. Custom shared encoder for enhanced recall in e-commerce product search task //Second International Conference on Computing, Machine Learning, and Data Science (CMLDS 2025). – SPIE, 2025. – Т. 13730. – С. 84-91.

3. Краснов Ф. В. Повышение полноты и точности поиска товаров на торговых интернет-площадках //ПРИКЛАДНАЯ ИНФОРМАТИКА Учредители: Московский университет”Синергия”. – 2024. –Т. 19. – №. 2. – С. 118-136.

4. Gan Y. et al. Binary embedding-based retrieval at Tencent //Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. – 2023. – С. 4056-4067.

5. Li S. et al. Embedding-based product retrieval in taobao search //Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining. – 2021. – С. 3181-3189.

6. Weller O. et al. On the theoretical limitations of embedding-based retrieval //arXiv preprint arXiv:2508.21038. – 2025.

7. Lin J. et al. Enhancing relevance of embedding-based retrieval at walmart //Proceedings of the 33rd ACM International Conference on Information and Knowledge Management. – 2024. – С. 4694-4701.

8. Ren Z. et al. Information Discovery in E-commerce //Foundations and TrendsŴ in Accounting. – 2024.– Т. 18. – №. 4-5. – С. 417-690.12

9. Schütze H., Manning C. D., Raghavan P. Introduction to information retrieval. – Cambridge : Cambridge University Press, 2008. – Т. 39. – С. 234-265.

10. Azzopardi L., De Rijke M., Balog K. Building simulated queries for known-item topics: an analysis using six european languages //Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval. – 2007. – С. 455-462.

11. Park L. A. F. Confidence intervals for information retrieval evaluation //ADCS 2010. – 2010. – С. 97.

12. Hull D. Using statistical testing in the evaluation of retrieval experiments //Proceedings of the 16th annual international ACM SIGIR conference on Research and development in information retrieval. –1993. – С. 329-338.

13. Robertson S. E. The probability ranking principle in IR //Journal of documentation. – 1977. – Т. 33. –№. 4. – С. 294-304.

14. Schroff F., Kalenichenko D., Philbin J. Facenet: A unified embedding for face recognition and clustering //Proceedings of the IEEE conference on computer vision and pattern recognition. – 2015. – С. 815-823.

15. Karpukhin V. et al. Dense passage retrieval for open-domain question answering //Proceedings of the 2020 conference on empirical methods in natural language processing (EMNLP). – 2020. – С. 6769-6781.

16. Malkov Y. A., Yashunin D. A. Efficient and robust approximate nearest neighbor search using hierarchical navigable small world graphs //IEEE transactions on pattern analysis and machine intelligence. – 2018. – Т. 42. – №. 4. – С. 824-836.

17. Aumüller M., Bernhardsson E., Faithfull A. ANN-Benchmarks: A benchmarking tool for approximate nearest neighbor algorithms //Information Systems. – 2020. – Т. 87. – С. 101374.

18. Devlin J. et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL, 2019.

19. Warner B. et al. Smarter, better, faster, longer: A modern bidirectional encoder for fast, memory efficient, and long context finetuning and inference //Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). – 2025. – С. 2526-2547.

20. Johnson J. et al. Billion-scale similarity search with GPUs. arXiv, 2019.

21. Варданян А. USearch by Unum Cloud : программное обеспечение. Версия 2.24.0. 2023. URL:https://github.com/unum-cloud/usearch (дата обращения: 21.02.2026). DOI: 10.5281/zenodo.7949416.

ПРЕПРИНТ

ИНФОРМАЦИЯ

Использование куки-файлов