Improving Pinterest Search Relevance Using Large Language Models

Improving Pinterest Search Relevance Using Large Language Models

摘要

Pinterest通过LLM（大语言模型）优化搜索相关性，采用交叉编码器架构预测查询与Pin的相关性，并利用多种文本特征（如标题、描述、图像合成标题等）增强Pin表示。由于LLM实时服务成本高，通过知识蒸馏将LLM模型压缩为轻量级学生模型，实现在线服务。实验表明，该方法显著提升了搜索相关性和用户满意度，尤其在多语言场景下表现优异。未来将探索可服务LLM和多模态模型的集成，进一步提升系统效果。