搜索增强推荐系统会利用最新一次搜索过程吗？

arXiv:2611.06044v1 公告类型：交叉收录 摘要：搜索增强推荐系统可以利用最新一次搜索过程及更早的搜索。我们提出 FocalSwap，用于检验这些输入如何影响下一次推荐。对于每次推荐，该方法在保持目标、候选项、搜索前历史和评分器不变的情况下，更改最新搜索槽位或全部搜索输入。它将中性掩码与匹配的已观测搜索替换进行比较，记录排名变化、相对于各对照的倒数排名（RR）增益，以及对真实焦点搜索的偏好。植入信号和 GenSAR 的当前查询任务证实，该审计方法能够检测到已知的输入依赖性。我们在 KuaiSAR 和 Qilin 上评估行为与词汇层面的证据，并评估使用已发布的 SESRec 和 UniSAR 实现训练得到的推荐模型检查点。在三个独立训练的 UniSAR 检查点中，全部搜索来源的估计收益取决于对照方式。在相同的 66,139 条记录上，将全部搜索输入替换为中性 ID 会产生正的有符号贡献；而将其替换为类别／用户画像匹配的已观测搜索序列时，估计值较小，其中一个检查点的区间低于零。配对 RR 差值介于 $+2.770 \times 10^{-3}$ 和 $+6.604 \times 10^{-3}$ 之间，且所有调整后的区间均高于零。中性掩码改变了 59.7–61.7% 的目标排名，而匹配替换改变了 44.1–44.8% 的目标排名。对于每个检查点采用的五种替代供体分配方案，两种对照之间的差异均持续存在。在主要的中性掩码和类别匹配对照下，尚未证实 SESRec 或 UniSAR 中最新槽位的贡献为正。这些结果表明，在将收益归因于更广泛的搜索状态或最新一次搜索过程时，应将掩码实验的证据与已观测搜索替换的结果进行比较。