[论文解读] AliCoCo: Alibaba E-commerce Cognitive Concept Net

Xusheng Luo, Luxin Liu+7 more|arXiv (Cornell University)|Mar 30, 2020

Semantic Web and Ontologies参考文献 33被引用 11

一句话总结

本文介绍了阿里推出的大型电商认知概念网络 AliCoCo，旨在弥合用户需求与商品本体之间的语义鸿沟。通过将高层次的用户需求建模为结构化的‘电商概念’（如‘户外烧烤’），并借助基础概念将这些概念与商品关联，AliCoCo 实现了更智能的搜索与推荐，在生产环境中显著提升了用户参与度与商品交易总额（GMV）。

ABSTRACT

One of the ultimate goals of e-commerce platforms is to satisfy various shopping needs for their customers. Much efforts are devoted to creating taxonomies or ontologies in e-commerce towards this goal. However, user needs in e-commerce are still not well defined, and none of the existing ontologies has the enough depth and breadth for universal user needs understanding. The semantic gap in-between prevents shopping experience from being more intelligent. In this paper, we propose to construct a large-scale e-commerce cognitive concept net named "AliCoCo", which is practiced in Alibaba, the largest Chinese e-commerce platform in the world. We formally define user needs in e-commerce, then conceptualize them as nodes in the net. We present details on how AliCoCo is constructed semi-automatically and its successful, ongoing and potential applications in e-commerce.

研究动机与目标

• 解决用户意图与现有电商分类体系之间的语义鸿沟问题，该问题限制了智能搜索与推荐的效果。
• 将电商中的用户需求正式定义为概念实体，而非仅限于类别或商品属性。
• 开发一种可扩展的半自动方法，构建基于真实用户购物场景的大规模认知概念网络。
• 使下游应用（如搜索与推荐）能够理解并响应隐式或场景化用户需求。
• 构建一个结构化的知识库，通过中间的语义丰富概念节点，将用户层面的需求与实际商品连接起来。

提出的方法

• 将‘电商概念’定义为高层次的、基于场景的用户需求（例如：‘为孩子保暖’、‘户外烧烤’），覆盖多个商品类别。
• 构建四层架构：电商概念、基础概念、分类体系（CPV：类别-属性-值），以及商品。
• 采用半自动流水线，结合基于规则的启发式方法、模式挖掘以及人工参与的验证机制，从用户查询和商品数据中规模化提取概念。
• 使用带权重的多关系图表示电商概念与商品之间的关系，并施加语义约束。
• 与现有电商本体（如 CPV 分类体系）集成，并通过共享的基础概念与开放域知识图谱对齐。
• 利用用户行为数据和点击反馈，持续优化概念-商品关联关系，提升推荐的相关性。

实验结果

研究问题

• RQ1 电商平台如何更好地建模和表示隐式、基于场景的用户需求，而不仅依赖关键词匹配？
• RQ2 构建一个大规模认知概念网络以捕捉多样化用户购物意图的最有效结构是什么？
• RQ3 基于概念的本体能否提升电商搜索与推荐系统的性能与可解释性？
• RQ4 如何在最小化人工干预的前提下，以高语义准确性大规模构建此类网络？
• RQ5 电商概念在多大程度上能够支持超越商品相似度的新型、非传统推荐模式？

主要发现

• AliCoCo 成功将复杂的用户需求（如‘户外烧烤’）建模为一等概念，使搜索与推荐突破了关键词匹配的限制。
• 基于电商概念的推荐系统在生产环境中实现了高点击率，并显著提升了商品交易总额（GMV）。
• 用户反馈表明，新推荐形式在新颖性与相关性方面优于传统基于商品的推荐，满意度更高。
• 该系统展现出强大的可扩展性，并具备与现有电商基础设施（包括搜索与推荐流水线）良好集成的潜力。
• 半自动构建流水线实现了大规模概念网络的构建，覆盖范围广且标注成本低。
• AliCoCo 通过暴露底层用户需求（如‘烘焙工具’）作为推理层，支持可解释的推荐。