Appleが、Machine Learning Researchにおいて「Multilingual Semantic Retrieval for Apple Music Search」を公開しています。

Apple Musicは、150以上のストアフロントで数十言語でリスナーにサービスを提供しており、カタログは毎日数十万もの新しいトラックが追加されています。

この規模では、スペルミス、音訳、および多言語クエリに対する検索再現率がセッション品質の主要な要因となり、特にユニークなクエリの大部分を占める末尾クエリで顕著になります。

Appleは、音楽検索のための多言語バイエンコーダーで、75以上の言語で事前学習された3億500万パラメータのトランスフォーマー「GTE-multilingual-base」、既存のトークンベースのインデックスと高密度ANNスコアを融合させ、元のテキスト一致スコア分布を維持する分位分布マッチング方式により、下流のランカーを再学習することなく展開が可能になるランカーの再学習を必要としないハイブリッド統合、テールターゲット型で回帰のないグローバル展開により、コンバージョン率（CR）を全体で2.28%向上させ、検索結果なし率を86%削減し、すべてのストアフロントで改善が見られ、後退は観察されなかったと報告しています。

改善は最も必要とされる部分に集中しており、末尾クエリではCRが7.93%向上したのに対し、中頻度クエリでは0.89%、先頭クエリでは0.14%にとどまったそうです。

これは、セマンティック検索が、よく利用されている人気クエリを損なうことなく、難しいクエリのリコール率を向上させることを示していて、Appleが知る限り、これはプラットフォーム上で展開された検索品質改善の中で最大規模のものの1つだそうです。