Abstract
<jats:p>В статье рассматривается задача обеспечения высокой полноты поиска в B2B-каталогах DIY-товаров (инструменты и материалы для строительства и ремонта). На практике B2B-поиск предъявляет существенно более строгие требования к полноте, чем B2C-рекомендательные сценарии. Анализируется эволюция архитектуры поиска: от чистого dense retrieval на базе трансформерных эмбеддингов (ModernBERT, triplet loss) к гибридной системе, основанной на детекции сущностей (бренд, модель, технические характеристики) и структурированном сопоставлении (entity matching). Показано, что embedding-based retrieval не гарантирует полноту из-за сглаживания числовых токенов, семантической компрессии идентификаторов и особенностей ANN-поиска. Предложенная архитектура anchor-based retrieval обеспечивает значительный рост Recall@10 (с 0.65 до 0.97 на реальных данных) при сохранении приемлемой латентности и высокой объяснимости. Экспериментальная часть выполнена на промышленном каталоге более 10 млн позиций и выборке из 5 тыс. реальных B2B-запросов. Работа ориентирована на практическое применение и может быть использована при проектировании поисковых систем в сегменте B2B e-commerce.</jats:p>