Fugu-MT 論文翻訳(概要): Active Learning for Product Type Ontology Enhancement in E-commerce

論文の概要: Active Learning for Product Type Ontology Enhancement in E-commerce

arxiv url: http://arxiv.org/abs/2009.09143v2
Date: Thu, 11 Mar 2021 22:41:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-16 20:44:13.756919
Title: Active Learning for Product Type Ontology Enhancement in E-commerce
Title（参考訳）: 電子商取引における製品型オントロジー強化のためのアクティブラーニング
Authors: Yun Zhu, Sayyed M. Zahiri, Jiaqi Wang, Han-Yu Chen, Faizan Javed
Abstract要約: 本稿では,PT発見のためのドメインエキスパートの知識を効率的に活用する能動的学習フレームワークを提案する。また,実験結果において,結果のPTの品質とカバレッジも示す。
参考スコア（独自算出の注目度）: 16.170442845801183
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Entity-based semantic search has been widely adopted in modern search engines to improve search accuracy by understanding users' intent. In e-commerce, an accurate and complete product type (PT) ontology is essential for recognizing product entities in queries and retrieving relevant products from catalog. However, finding product types (PTs) to construct such an ontology is usually expensive due to the considerable amount of human efforts it may involve. In this work, we propose an active learning framework that efficiently utilizes domain experts' knowledge for PT discovery. We also show the quality and coverage of the resulting PTs in the experiment results.
Abstract（参考訳）: エンティティベースのセマンティック検索は、ユーザの意図を理解することによって検索精度を向上させるために、現代の検索エンジンで広く採用されている。 eコマースにおいて、正確で完全な製品タイプ(pt)オントロジーは、クエリ内の製品エンティティを認識し、カタログから関連する製品を取得するために不可欠である。しかし、このようなオントロジーを構築するための製品タイプ(pts)を見つけるのは通常、人間の努力が多すぎるため高価である。本研究では,pt発見にドメインエキスパートの知識を効率的に活用するアクティブラーニングフレームワークを提案する。また,実験結果において,結果のPTの品質とカバレッジも示す。

関連論文リスト

Semantic Ads Retrieval at Walmart eCommerce with Language Models Progressively Trained on Multiple Knowledge Domains [6.1008328784394]
Walmart.comの広告検索システムを最適化するために,エンド・ツー・エンドのソリューションを提案する。当社のアプローチは,製品カテゴリ情報を用いたBERTライクな分類モデルを事前学習することである。ベースラインDSSMベースのモデルと比較して,検索関連度を最大16%向上させる。
論文参考訳（メタデータ） (2025-02-13T09:01:34Z)
Multimodal semantic retrieval for product search [6.185573921868495]
商品の純粋テキスト表現とは対照的に,eコマース検索における商品項目のマルチモーダル表現を構築した。商品のマルチモーダル表現スキームは,セマンティック検索における購入リコールや関連精度の向上を示すことができることを示す。
論文参考訳（メタデータ） (2025-01-13T14:34:26Z)
Knowledge Navigator: LLM-guided Browsing Framework for Exploratory Search in Scientific Literature [48.572336666741194]
本稿では,探索探索能力の向上を目的とした知識ナビゲータを提案する。検索された文書を、名前と記述の科学トピックとサブトピックの、ナビゲート可能な2段階の階層に整理する。
論文参考訳（メタデータ） (2024-08-28T14:48:37Z)
STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
論文参考訳（メタデータ） (2024-04-19T22:54:54Z)
Overview of the TREC 2023 Product Product Search Track [70.56592126043546]
今年はTREC製品サーチトラックの最初の年だ。焦点は再利用可能なコレクションの作成であった。我々は、コンテキストメタデータを含む新しい製品検索コーパスを活用している。
論文参考訳（メタデータ） (2023-11-14T02:25:18Z)
DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文参考訳（メタデータ） (2023-09-04T20:52:33Z)
Product Information Extraction using ChatGPT [69.12244027050454]
本稿では,製品記述から属性/値対を抽出するChatGPTの可能性について検討する。以上の結果から,ChatGPTは事前学習した言語モデルに類似した性能を達成できるが,微調整を行うにはトレーニングデータや計算処理がはるかに少ないことが示唆された。
論文参考訳（メタデータ） (2023-06-23T09:30:01Z)
Theoretical Understandings of Product Embedding for E-commerce Machine Learning [18.204325860752768]
我々は,製品埋め込みのeコマース指向の視点を捉え,表現学習と学習理論の両面から完全に理論的視点を明らかにする。広く採用されているスキップグラムネガティブサンプリングアルゴリズムによって訓練された製品埋め込みは、重要な製品関連測定に関する十分な寸法減少であることが証明されています。下流機械学習タスクにおける一般化性能は、埋め込みと製品関連度尺度とのアライメントによって制御される。
論文参考訳（メタデータ） (2021-02-24T02:29:15Z)
Exploiting Knowledge Graphs for Facilitating Product/Service Discovery [1.2691047660244332]
本研究は,データ分類に教師なしアプローチを採用することにより,データWeb上でのeコマースのための費用対効果のソリューションを提案する。提案アーキテクチャでは,Web言語OWLで利用可能な製品について記述し,それをトリプルストアに格納する。特定の製品のユーザ入力仕様は、利用可能な製品カテゴリと一致し、知識グラフを生成する。
論文参考訳（メタデータ） (2020-10-11T10:22:10Z)
E-BERT: A Phrase and Product Knowledge Enhanced Language Model for E-commerce [63.333860695727424]
電子商取引タスクは、ドメインフレーズの正確な理解を必要とするが、そのようなきめ細かいフレーズレベルの知識は、BERTの訓練目的によって明示的にモデル化されていない。この問題に対処するため、我々はE-BERTという統合事前学習フレームワークを提案する。具体的には、フレーズレベルの知識を保存するために、適応的ハイブリッドマスキングを導入し、モデルが予備単語の知識から複雑なフレーズの学習に適応的に切り替えることを可能にする。製品レベルの知識を活用するために,E-BERT を訓練し,製品に付随する隣人を認知的なクロスアテンション層で予測するNighbor Product Restruction を導入する。
論文参考訳（メタデータ） (2020-09-07T00:15:36Z)
Modeling Product Search Relevance in e-Commerce [7.139647051098728]
本稿では,検索クエリと商品の関連性を評価するためのロバストな手法を提案する。 BM25 や Indri のような従来の情報検索モデルと word2vec, sentence2vec, paragraph2vec といったディープラーニングモデルとの比較を行った。
論文参考訳（メタデータ） (2020-01-14T21:17:55Z)

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。