論文の概要: Using Large Pretrained Language Models for Answering User Queries from Product Specifications

• arxiv url: http://arxiv.org/abs/2005.14613v1
• Date: Fri, 29 May 2020 14:52:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 23:40:15.058026
• Title: Using Large Pretrained Language Models for Answering User Queries from Product Specifications
• Title（参考訳）: 製品仕様からのユーザクエリに対する大規模事前学習言語モデルの利用
• Authors: Kalyani Roy (1), Smit Shah (1), Nithish Pai (2), Jaidam Ramtej (2), Prajit Prashant Nadkarn (2), Jyotirmoy Banerjee (2), Pawan Goyal (1), and Surender Kumar (2) ((1) Indian Institute of Technology Kharagpur, (2) Flipkart)
• Abstract要約: この問題に対するトレーニングデータセットを自動生成するアプローチを提案する。 私たちのモデルは、1つの垂直でトレーニングされ、異なる垂直でテストされたとしても、優れたパフォーマンスを提供します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While buying a product from the e-commerce websites, customers generally have a plethora of questions. From the perspective of both the e-commerce service provider as well as the customers, there must be an effective question answering system to provide immediate answers to the user queries. While certain questions can only be answered after using the product, there are many questions which can be answered from the product specification itself. Our work takes a first step in this direction by finding out the relevant product specifications, that can help answering the user questions. We propose an approach to automatically create a training dataset for this problem. We utilize recently proposed XLNet and BERT architectures for this problem and find that they provide much better performance than the Siamese model, previously applied for this problem. Our model gives a good performance even when trained on one vertical and tested across different verticals.
• Abstract（参考訳）: eコマースのwebサイトから製品を購入する一方で、顧客は概して多くの疑問を抱いている。 電子商取引サービスプロバイダと顧客の両方の観点から、ユーザクエリに対する即時回答を提供する効果的な質問応答システムが必要である。 製品の使用後にのみ答えられる質問はいくつかありますが、製品仕様自体から答えられる質問はたくさんあります。 私たちの仕事は、関連する製品仕様を見つけることによって、この方向への第一歩を踏み出します。 この問題に対するトレーニングデータセットを自動生成するアプローチを提案する。 我々は最近提案した XLNet および BERT アーキテクチャをこの問題に利用し,それに対して以前に適用した Siamese モデルよりもはるかに優れた性能を提供することを確認した。 私たちのモデルは、ひとつの垂直でトレーニングし、さまざまな垂直でテストした場合でも、優れたパフォーマンスを提供します。

関連論文リスト

• Unlocking Markets: A Multilingual Benchmark to Cross-Market Question Answering [49.68194318431166]
  製品関連質問応答(PQA)は、ユーザに対して正確な回答を提供するために、製品関連リソースを活用する。 マルチリンガル・クロスマーケット・プロダクト・ベースの質問回答(MCPQA)の新たな課題を提案する。 11言語にまたがる17のマーケットプレースから700万以上の質問からなる大規模なデータセットを導入します。
  論文  参考訳（メタデータ） (2024-09-24T12:24:34Z)
• QUADRo: Dataset and Models for QUestion-Answer Database Retrieval [97.84448420852854]
  質問/回答(q/a)ペアのデータベース(DB)が与えられた場合、同じ質問に対してDBをスキャンすることで、対象の質問に答えることができる。 我々は6.3Mのq/aペアからなる大規模DBを構築し、公開質問を用いて、ニューラルIRとq/aペアリランカに基づく新しいシステムを設計する。 我々は、Bing検索エンジン上に構築されたQAシステムという、Webベースの手法とDBベースのアプローチが競合することを示す。
  論文  参考訳（メタデータ） (2023-03-30T00:42:07Z)
• UKP-SQUARE: An Online Platform for Question Answering Research [50.35348764297317]
  我々は、研究者向けのオンラインQAプラットフォームであるUKP-SQUAREを紹介した。 UKP-SQUAREでは、ユーザフレンドリーなWebインターフェースと統合テストを通じて、モダンスキルの大規模なコレクションをクエリし、分析することができる。
  論文  参考訳（メタデータ） (2022-03-25T15:00:24Z)
• Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling [62.049330405736406]
  Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。 なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。 PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-27T07:51:49Z)
• Distantly Supervised Transformers For E-Commerce Product QA [5.460297795256275]
  Eコマースサービスの商品ページで、実用的なインスタント質問回答(QA)システムを提案します。 ユーザクエリごとに、関連するコミュニティの質問回答(CQA)ペアが取得される。 提案するトランスフォーマーモデルでは,統一構文表現と意味表現を共同学習し,堅牢な関連性関数を学習する。
  論文  参考訳（メタデータ） (2021-04-07T06:37:16Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)
• Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
  eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。 本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。 MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
  論文  参考訳（メタデータ） (2020-11-14T14:05:30Z)
• E-commerce Query-based Generation based on User Review [1.484852576248587]
  本稿では,従来のユーザによるレビューに基づいて,ユーザの質問に対する回答を生成するための新しいセク2seqベースのテキスト生成モデルを提案する。 ユーザの質問や感情の極性が与えられた場合,関心事の側面を抽出し,過去のユーザレビューを要約した回答を生成する。
  論文  参考訳（メタデータ） (2020-11-11T04:58:31Z)
• AliMe KG: Domain Knowledge Graph Construction and Application in E-commerce [26.600846713016605]
  AliMe KGは、ユーザ問題、関心点(POI)、アイテム情報、それらの関係をキャプチャするドメイン知識グラフである。 ユーザーのニーズを理解し、事前販売された質問に答え、説明文を生成するのに役立つ。
  論文  参考訳（メタデータ） (2020-09-24T13:40:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。