Methods for assessing search relevance in electronic commerce systems

Abstract

Topicality. The paper examines the process of developing an information search system for modern e - commerce solutions. with an assessment of the relevance of search results. Classic search engines, based only on the coincidence of keywords, often do not take into account the context and morphology of queries, synonyms and the weight of individual words, the degree of compliance of the results found with the user's expectations. Therefore, the creation of an intelligent search engine with an assessment of the relevance of search results, which is capable of take into account the user's intentions and adapt to their individual needs. The relevance of a query also has an indirect impact on information security, especially in the context of data processing by applications and systems, as irrelevant or anomalous queries can be a sign ofpotential cyberattacks. This fact increases the topicality of the study. The subject of study in the article is methods of increasing the relevance of search results based on the analysis of user queries and ranking of product characteristics. The purpose of the article is increasing the efficiency of search in information search systems of electronic commerce by implementing a modified method of relevance assessment. The following results were obtained. The influence of the level of relevance of queries on the level of information protection in information search systems, the features of the formation of user search needs, analysis of relevance assessment models, development and testing of an electronic commerce system with relevance assessment, which showed an improvement in search efficiency indicators, was considered. Conclusion. The use of relevance assessment methods for building search systems in the field of electronic commerce is an effective directionfor improving the quality of information search services. The results obtained indicate the prospects for further research in the direction of adapting information search models to the specifics of online trading, improving ranking algorithms and integrating machine learning methods for personalizing the delivery of results.

Актуальність. В роботі розглянуто процес розробки інформаційно-пошукової системи для сучасних e-commerce рішень з оцінкою релевантності результатів пошуку. Класичні пошукові механізми, що ґрунтуються лише на збігу ключових слів, часто не враховують контекст та морфологію запитів, синоніми та вагомість окремих слів, ступінь відповідності знайдених результатів очікуванням користувача. Тому актуальним є створення інтелектуальної пошукової системи з оцінкою релевантності результатів пошуку, які здатні враховувати наміри користувача та адаптуватися до його індивідуальних потреб. Релевантність запиту має також непрямий вплив на інформаційну безпеку, особливо в контексті обробки даних додатками та системами, оскільки нерелевантні або аномальні запити можуть бути ознакою потенційних кібератак. Цей факт підвищує актуальність дослідження. Предметом дослідження у статті є методи підвищення релевантності результатів пошуку на основі аналізу запитів користувачів та ранжування характеристик товарів. Метою статті є підвищення ефективності пошуку у інформаційно-пошукових системах електронної комерції шляхом впровадження модифікованого методу оцінки релевантності. Були отримані наступні результати. Розглянуто вплив рівня релевантності запитів на рівень захисту інформації в інформаційно-пошукових системах, особливості формування пошукових потреб користувачів, аналіз моделей оцінки релевантності, розробка та тестування системи електронної комерції з оцінкою релевантності яка засвідчили покращення показників ефективності пошуку. Висновок. Використання методів оцінки релевантності для побудови пошукових систем у сфері електронної комерції є ефективним напрямом підвищення якості інформаційно-пошукових сервісів. Отримані резульати свідчать про перспективність подальших досліджень у напрямі адаптації моделей інформаційного пошуку до специфіки онлайн-торгівлі, удосконалення алгоритмів ранжування та інтеграції методів машинного навчання для персоналізації видачі результатів.