Improving Item Discoverability in e-Commerce Search via Related Intent Generation

论文提出一种用于电商搜索的发现增强系统，通过意图条件召回扩展提升商品发现能力。传统搜索系统优化精确匹配，但在电商尤其是杂货领域，用户满意度和商业结果高度依赖替代品、互补品和主题相关商品的发现。系统采用两阶段混合架构：先用闭源大语言模型处理头部查询以最大化发现能力，再用通过LoRA和师生蒸馏微调的小语言模型处理尾部查询以平衡成本和质量。评估使用LLM-as-a-judge（经人类偏好验证）和端到端会话级购买分析。

系统通过意图条件召回扩展提升电商搜索中的商品发现能力，采用两阶段混合架构：闭源LLM处理头部查询，微调SLM处理尾部查询。评估使用LLM-as-a-judge和会话级购买分析。