「美図検索 3.0」、大規模モデルを活用して地域生活の検索インフラを再構築
大規模言語モデル(LLM)技術の進歩に伴い、検索エンジンは第3のパラダイムシフトを迎えており、従来のキーワードベースのテキストマッチングから、複雑な意図の理解と認知的な意思決定に焦点を当てた「3.0時代」へと移行しつつあります。 最近、美団(Meituan)の技術チームは詳細な技術分析を発表し、サービス小売のランキングシナリオにおける「美団検索3.0」の3つの反復プロセスについて詳述するとともに、複雑なローカルライフの文脈におけるLLMのセマンティック表現の実装経路と中核的価値を概説した。

I. サービス小売の壁を打ち破る:従来の語彙マッチングからLLMによる意味再構築へ
サービス小売は、そのビジネスモデルにおいて商品小売とは根本的に異なります。高度に標準化された商品小売とは異なり、美団のサービス小売やローカルライフスタイルのシナリオは、多様なカテゴリー、多岐にわたる検索ニーズ(取引、情報収集、リード獲得)、そして極めて非標準化された供給を特徴としています。
日常的な検索において、従来のランキングモデルは語彙マッチングに大きく依存しています。しかし、膨大なロングテールカテゴリや複雑なユーザー意図に直面した場合、従来の特徴量エンジニアリングの汎化能力は明らかに不十分です。 例えば、ユーザーが「ペットスパ+入浴」と検索した場合、対応する店舗名や商品名は「ペットのクリーニング・ケアパッケージ」である可能性があります。また、「春節の大掃除」と検索した場合は、「徹底掃除サービスパッケージ」となるかもしれません。 このような典型的なケースでは、表面的にはクエリと供給の間にほとんど重複が見られないものの、その根底にある意味内容は密接に関連しています。
この従来からの意味論的なギャップを埋めるため、Meituanのサービス・小売検索ランキングチームは、過去1年間にわたり、ランキングモデルへのLLMの応用を体系的に模索してきました。 検索クエリ(Query)、店舗(POI)、およびキャンペーン(Deal)に対して高品質な意味ベクトル表現を生成することで、コサイン類似度を用いて意味マッチングシグナルをランキングモデルに組み込み、単一ポイントの特徴量検証から体系的な再構築へ、そしてシナリオを横断した移行と再利用へと飛躍を遂げました。
II. 技術的進化の3つの段階:実現可能性の検証から本格的なシステム構築へ
1. フェーズI:LLMによる意味的表現のランキングへの導入(実現可能性の検証)
第1フェーズにおいて、チームの中心的な目標は単純明快でした。それは、LLMによる表現がランキングモデルに実質的な支援をもたらすかどうかを検証することでした。
技術設計:全パラメータの微調整を行うため、パラメータ数の少ないオープンソースのベースモデルが選定され、集約のアンカーとして特別なトークンが語彙に導入された。 クエリと加盟店情報を分離するため、アテンションマスクを慎重に設計した。特徴量注入:モデルが埋め込みを生成した後、コサイン類似度を計算して離散的にビン分けし、学習可能な埋め込みとしてランキングモデルの特徴量に連結した。オンライン結果:オフライン検証により、クリックNDCGが大幅に改善したことが確認された。 本番環境への展開後、検索による決済注文数およびサービス小売注文数全体が大幅に増加しました。特に、従来の語彙マッチングが最も弱かったロングテールシナリオにおいて顕著な増加が見られ、不適切なケースも著しく減少しました。これは、ランキングシナリオにおけるLLMのセマンティック表現の大きな可能性を直接的に証明するものです。2. フェーズII:販売者ランキング表現の体系的なアップグレード
フェーズIで明らかになった課題(商品側の意味表現の欠如、全パラメータの微調整にかかる高コスト、最適化目標の不完全さなど)に対処するため、フェーズIIでは表現生成プロセス全体を体系的に再構築しました。
5元組と対比学習:クエリ、商品の正例、販売者の正例、およびハードネガティブ例を含む5元組のトレーニングデータセットを構築した。 従来の二値分類目的関数は完全に廃止し、InfoNCE損失とトリプレット損失を全面的に導入することで、ランキングモデルが真に重視する「複数の候補間の相対的な順序」という問題を完全に解決した。軽量かつ効率的な抽出:全パラメータによる微調整からLoRA手法への移行に伴い、独立したシーケンスと学習可能なベクトルが従来のアプローチに取って代わり、次元削減はMRL-E(Matryoshka Representation Learning)へとアップグレードされた。これにより、トレーニングおよび推論の効率が向上するとともに、柔軟なマルチスケールでの適用が可能となった。オンライン結果: クリックGAUCおよびマーチャントランキングのコンバージョン効率が大幅に向上した。オンラインデータでは、有効クリック数と検索結果ページのコンバージョン率(QV_CTR)が著しく上昇しており、LLMのセマンティック表現が露出機会を増やすだけでなく、精度の高いレコメンデーションを通じてコンバージョンの全体的な質を最適化することも十分に実証された。3. フェーズIII:下流ランキングへの表現とクロス特徴量の導入
販売者ランキングの体系的な再構築を完了した後、チームはこの成熟したソリューションをダウンストリームランキング(つまり、販売者ごとの特定商品のランキング)にさらに適用すると同時に、全体にわたるクロス統計的特徴量のガバナンスと補完を推進しました。
カバレッジの課題解決:店舗ランキングと下流ランキングではクエリ分布に根本的な違いがあるため、初期の移行段階ではクエリのカバレッジが低いという課題に直面しました。 両端におけるきめ細かな調整とデータガバナンスを通じて、チームはLLMのセマンティック表現能力を商品レベルへとシームレスに拡張することに成功しました。並行した進展:「LLM表現の転移」と、「パーソナライゼーション×商品」や「クエリ意図×商品」といった多次元モデルの組み合わせにより、検索結果は精度においてさらなる飛躍を遂げました。III. まとめと展望
Meituan Search 3.0の進化は、ローカルライフスタイル分野におけるLLMの応用が一朝一夕で成功するものではなく、単一のポイントでの特徴量の検証、体系的な表現の再構築、そしてシナリオ横断的な汎化と再利用に至る堅実な道のりを必要とすることを示している。 LLMの強力な意味理解能力を、高密度な連続表現や離散的なビニング特徴量へと変換することで、Meituanはサービス・小売シナリオにおける複雑な意図と非標準化された供給の間の障壁を打破することに成功し、ユーザーにより正確でインテリジェントなローカルライフスタイル検索体験を提供しています。
関連記事
ChatGPTで大規模なサービス停止が発生、数百万人がログインに苦労した
人工知能(AI)分野において、サーバーの安定性は依然として重要な課題となっています。報道によると、世界をリードするAIチャットプラットフォームであるChatGPTは、8月20日頃に突如として世界規模の広範囲にわたるサービス停止に見舞われました。この障害は米国や欧州の何百万人ものユーザーに影響を及ぼし、アカウントへのログインや新規登録ができなくなったほか、チャット画面がフリーズし、会話履歴へのアクセ
ムーンショット・ベンチャーズ、大規模モデル展開の資金調達に向け香港でのIPOを検討か
ブルームバーグの報道によると、中国を代表するAI企業であるムーンショットAIが、香港での新規株式公開(IPO)を検討しているという。人気チャットボット「Kimi」を開発した北京拠点のMoonshot AIは、人工知能に対する市場の強い関心を活かし、自社の地位を強化することを目指している。同社は、上場に向けて中国国際金融(CICC)およびゴールドマン・サックスと初期協議を行っている。上場準備は進めら
Marvisが、キミとZhipuのGLMを統合したカスタムモデル機能を公開
9月1日、テンセントのOSレベルAIアシスタント「Marvis」が、「カスタムモデル」機能を正式にリリースしました。このアップデートにより、ユーザーは業界標準のインターフェースプロトコルに準拠したサードパーティ製モデルを、Marvisにシームレスに統合できるようになりました。 対応プロバイダーには、テンセントクラウド、アリババクラウド、DeepSeek、Minimax、Kimi、Zhipu、Xia
関連特集おすすめ
コメント (0)
0/500
大規模言語モデル(LLM)技術の進歩に伴い、検索エンジンは第3のパラダイムシフトを迎えており、従来のキーワードベースのテキストマッチングから、複雑な意図の理解と認知的な意思決定に焦点を当てた「3.0時代」へと移行しつつあります。 最近、美団(Meituan)の技術チームは詳細な技術分析を発表し、サービス小売のランキングシナリオにおける「美団検索3.0」の3つの反復プロセスについて詳述するとともに、複雑なローカルライフの文脈におけるLLMのセマンティック表現の実装経路と中核的価値を概説した。

I. サービス小売の壁を打ち破る:従来の語彙マッチングからLLMによる意味再構築へ
サービス小売は、そのビジネスモデルにおいて商品小売とは根本的に異なります。高度に標準化された商品小売とは異なり、美団のサービス小売やローカルライフスタイルのシナリオは、多様なカテゴリー、多岐にわたる検索ニーズ(取引、情報収集、リード獲得)、そして極めて非標準化された供給を特徴としています。
日常的な検索において、従来のランキングモデルは語彙マッチングに大きく依存しています。しかし、膨大なロングテールカテゴリや複雑なユーザー意図に直面した場合、従来の特徴量エンジニアリングの汎化能力は明らかに不十分です。 例えば、ユーザーが「ペットスパ+入浴」と検索した場合、対応する店舗名や商品名は「ペットのクリーニング・ケアパッケージ」である可能性があります。また、「春節の大掃除」と検索した場合は、「徹底掃除サービスパッケージ」となるかもしれません。 このような典型的なケースでは、表面的にはクエリと供給の間にほとんど重複が見られないものの、その根底にある意味内容は密接に関連しています。
この従来からの意味論的なギャップを埋めるため、Meituanのサービス・小売検索ランキングチームは、過去1年間にわたり、ランキングモデルへのLLMの応用を体系的に模索してきました。 検索クエリ(Query)、店舗(POI)、およびキャンペーン(Deal)に対して高品質な意味ベクトル表現を生成することで、コサイン類似度を用いて意味マッチングシグナルをランキングモデルに組み込み、単一ポイントの特徴量検証から体系的な再構築へ、そしてシナリオを横断した移行と再利用へと飛躍を遂げました。
II. 技術的進化の3つの段階:実現可能性の検証から本格的なシステム構築へ
1. フェーズI:LLMによる意味的表現のランキングへの導入(実現可能性の検証)
第1フェーズにおいて、チームの中心的な目標は単純明快でした。それは、LLMによる表現がランキングモデルに実質的な支援をもたらすかどうかを検証することでした。
技術設計:全パラメータの微調整を行うため、パラメータ数の少ないオープンソースのベースモデルが選定され、集約のアンカーとして特別なトークンが語彙に導入された。 クエリと加盟店情報を分離するため、アテンションマスクを慎重に設計した。特徴量注入:モデルが埋め込みを生成した後、コサイン類似度を計算して離散的にビン分けし、学習可能な埋め込みとしてランキングモデルの特徴量に連結した。オンライン結果:オフライン検証により、クリックNDCGが大幅に改善したことが確認された。 本番環境への展開後、検索による決済注文数およびサービス小売注文数全体が大幅に増加しました。特に、従来の語彙マッチングが最も弱かったロングテールシナリオにおいて顕著な増加が見られ、不適切なケースも著しく減少しました。これは、ランキングシナリオにおけるLLMのセマンティック表現の大きな可能性を直接的に証明するものです。2. フェーズII:販売者ランキング表現の体系的なアップグレード
フェーズIで明らかになった課題(商品側の意味表現の欠如、全パラメータの微調整にかかる高コスト、最適化目標の不完全さなど)に対処するため、フェーズIIでは表現生成プロセス全体を体系的に再構築しました。
5元組と対比学習:クエリ、商品の正例、販売者の正例、およびハードネガティブ例を含む5元組のトレーニングデータセットを構築した。 従来の二値分類目的関数は完全に廃止し、InfoNCE損失とトリプレット損失を全面的に導入することで、ランキングモデルが真に重視する「複数の候補間の相対的な順序」という問題を完全に解決した。軽量かつ効率的な抽出:全パラメータによる微調整からLoRA手法への移行に伴い、独立したシーケンスと学習可能なベクトルが従来のアプローチに取って代わり、次元削減はMRL-E(Matryoshka Representation Learning)へとアップグレードされた。これにより、トレーニングおよび推論の効率が向上するとともに、柔軟なマルチスケールでの適用が可能となった。オンライン結果: クリックGAUCおよびマーチャントランキングのコンバージョン効率が大幅に向上した。オンラインデータでは、有効クリック数と検索結果ページのコンバージョン率(QV_CTR)が著しく上昇しており、LLMのセマンティック表現が露出機会を増やすだけでなく、精度の高いレコメンデーションを通じてコンバージョンの全体的な質を最適化することも十分に実証された。3. フェーズIII:下流ランキングへの表現とクロス特徴量の導入
販売者ランキングの体系的な再構築を完了した後、チームはこの成熟したソリューションをダウンストリームランキング(つまり、販売者ごとの特定商品のランキング)にさらに適用すると同時に、全体にわたるクロス統計的特徴量のガバナンスと補完を推進しました。
カバレッジの課題解決:店舗ランキングと下流ランキングではクエリ分布に根本的な違いがあるため、初期の移行段階ではクエリのカバレッジが低いという課題に直面しました。 両端におけるきめ細かな調整とデータガバナンスを通じて、チームはLLMのセマンティック表現能力を商品レベルへとシームレスに拡張することに成功しました。並行した進展:「LLM表現の転移」と、「パーソナライゼーション×商品」や「クエリ意図×商品」といった多次元モデルの組み合わせにより、検索結果は精度においてさらなる飛躍を遂げました。III. まとめと展望
Meituan Search 3.0の進化は、ローカルライフスタイル分野におけるLLMの応用が一朝一夕で成功するものではなく、単一のポイントでの特徴量の検証、体系的な表現の再構築、そしてシナリオ横断的な汎化と再利用に至る堅実な道のりを必要とすることを示している。 LLMの強力な意味理解能力を、高密度な連続表現や離散的なビニング特徴量へと変換することで、Meituanはサービス・小売シナリオにおける複雑な意図と非標準化された供給の間の障壁を打破することに成功し、ユーザーにより正確でインテリジェントなローカルライフスタイル検索体験を提供しています。
ChatGPTで大規模なサービス停止が発生、数百万人がログインに苦労した
人工知能(AI)分野において、サーバーの安定性は依然として重要な課題となっています。報道によると、世界をリードするAIチャットプラットフォームであるChatGPTは、8月20日頃に突如として世界規模の広範囲にわたるサービス停止に見舞われました。この障害は米国や欧州の何百万人ものユーザーに影響を及ぼし、アカウントへのログインや新規登録ができなくなったほか、チャット画面がフリーズし、会話履歴へのアクセ
ムーンショット・ベンチャーズ、大規模モデル展開の資金調達に向け香港でのIPOを検討か
ブルームバーグの報道によると、中国を代表するAI企業であるムーンショットAIが、香港での新規株式公開(IPO)を検討しているという。人気チャットボット「Kimi」を開発した北京拠点のMoonshot AIは、人工知能に対する市場の強い関心を活かし、自社の地位を強化することを目指している。同社は、上場に向けて中国国際金融(CICC)およびゴールドマン・サックスと初期協議を行っている。上場準備は進めら
Marvisが、キミとZhipuのGLMを統合したカスタムモデル機能を公開
9月1日、テンセントのOSレベルAIアシスタント「Marvis」が、「カスタムモデル」機能を正式にリリースしました。このアップデートにより、ユーザーは業界標準のインターフェースプロトコルに準拠したサードパーティ製モデルを、Marvisにシームレスに統合できるようになりました。 対応プロバイダーには、テンセントクラウド、アリババクラウド、DeepSeek、Minimax、Kimi、Zhipu、Xia





家






