論文の概要: An End-to-End ML System for Personalized Conversational Voice Models in Walmart E-Commerce

• arxiv url: http://arxiv.org/abs/2011.00866v1
• Date: Mon, 2 Nov 2020 10:14:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 11:31:00.307858
• Title: An End-to-End ML System for Personalized Conversational Voice Models in Walmart E-Commerce
• Title（参考訳）: ウォルマートEコマースにおける個人化会話音声モデルのためのエンドツーエンドMLシステム
• Authors: Rahul Radhakrishnan Iyer, Praveenkumar Kanumala, Stephen Guo, Kannan Achan
• Abstract要約: 対話型音声コマースのためのエンド・ツー・エンドの機械学習システムを提案する。 モデルへの暗黙的なフィードバック、モデルのトレーニング、アップデートの評価、リアルタイム推論エンジンのためのコンポーネントが含まれています。 弊社のシステムは、Walmart Groceryの顧客のための音声ショッピングをパーソナライズしており、現在Google Assistant、Siri、Google Homeデバイスで利用できる。
• 参考スコア（独自算出の注目度）: 10.40608530058899
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Searching for and making decisions about products is becoming increasingly easier in the e-commerce space, thanks to the evolution of recommender systems. Personalization and recommender systems have gone hand-in-hand to help customers fulfill their shopping needs and improve their experiences in the process. With the growing adoption of conversational platforms for shopping, it has become important to build personalized models at scale to handle the large influx of data and perform inference in real-time. In this work, we present an end-to-end machine learning system for personalized conversational voice commerce. We include components for implicit feedback to the model, model training, evaluation on update, and a real-time inference engine. Our system personalizes voice shopping for Walmart Grocery customers and is currently available via Google Assistant, Siri and Google Home devices.
• Abstract（参考訳）: 推薦システムの進化により、eコマース業界では、製品に関する意思決定や意思決定がますます簡単になっている。 パーソナライゼーションとレコメンデーションシステムは、顧客が自分のショッピングニーズを満たし、そのプロセスにおける体験を改善するために、手を差し伸べてきた。 ショッピングにおける対話型プラットフォームの普及に伴い、大量のデータの流れを処理し、リアルタイムで推論を行うために、大規模にパーソナライズされたモデルを構築することが重要になっている。 本研究では,対話型音声コマースのためのエンドツーエンド機械学習システムを提案する。 モデルへの暗黙的なフィードバック、モデルトレーニング、更新の評価、リアルタイム推論エンジンといったコンポーネントが含まれています。 われわれのシステムはWalmart Groceryの顧客向けの音声ショッピングをパーソナライズしており、現在Google Assistant、Siri、Google Homeデバイス経由で利用できる。

関連論文リスト

• Information Discovery in e-Commerce [97.71958017283593]
  情報検索は、特に商品やサービスとの接続において、eコマースにおいて自然な役割を担っている。 電子商取引サイトの人気が高まり、電子商取引における情報発見の研究が活発な研究分野となっている。 電子商取引における情報発見手法は主に、電子商取引検索とレコメンデーションシステムの有効性の向上に重点を置いている。
  論文  参考訳（メタデータ） (2024-10-08T07:41:01Z)
• What should I wear to a party in a Greek taverna? Evaluation for Conversational Agents in the Fashion Domain [1.6549387146138885]
  大型言語モデル(LLM)は、オンラインファッション小売の領域に革命をもたらす可能性がある。 我々は、大規模なeコマースファッションプラットフォームにおいて、顧客とファッションアシスタントとの間の4K会話の多言語評価データセットを作成します。
  論文  参考訳（メタデータ） (2024-08-13T11:11:27Z)
• Enhancing Supermarket Robot Interaction: A Multi-Level LLM Conversational Interface for Handling Diverse Customer Intents [46.623273455512106]
  本稿では,スーパーマーケットロボットのためのマルチレベルLLMインタフェースの設計と評価について述べる。 本手法を, GPT-4 Turbo を用いた特殊な GPT モデルと比較する。 パフォーマンス,ユーザ満足度,ユーザエージェントパートナーシップ,自己イメージ向上の4分野において,統計的に有意な改善が見られた。
  論文  参考訳（メタデータ） (2024-06-16T19:13:01Z)
• Question Suggestion for Conversational Shopping Assistants Using Product Metadata [24.23400061359442]
  本稿では,Large Language Models (LLMs) を用いて,製品に関する文脈的,有用な,応答可能な,流動的で多様な質問を自動的に生成するフレームワークを提案する。 これらの質問を顧客に対して、会話の開始と継続の両方に役立つ提案やヒントとして提案することは、よりスムーズで高速なショッピング体験をもたらす。
  論文  参考訳（メタデータ） (2024-05-02T21:16:19Z)
• Salespeople vs SalesBot: Exploring the Role of Educational Value in Conversational Recommender Systems [78.84530426424838]
  既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。 このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。 私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
  論文  参考訳（メタデータ） (2023-10-26T19:44:06Z)
• Leveraging Large Language Models for Enhanced Product Descriptions in eCommerce [6.318353155416729]
  本稿では,LAMA 2.0 7B言語モデルを用いた製品記述生成の自動化手法を提案する。 私たちはこのモデルを、最大のeコマースプラットフォームの1つであるWalmartの真正な製品記述のデータセットでトレーニングします。 以上の結果から,システムはスケーラブルであるだけでなく,製品記述作成に関わる人的負担を大幅に削減することが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-24T00:55:14Z)
• Automatic Controllable Product Copywriting for E-Commerce [58.97059802658354]
  我々は、JD.comのeコマースレコメンデーションプラットフォームに、Eコマースのプレフィックスベースのコントロール可能なコピーライティング生成をデプロイする。 提案するECCCGの有効性を検証する実験を行った。 本稿では,リアルタイムのJD.com電子商取引レコメンデーションプラットフォームに,ECCCGと連携するデプロイアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2022-06-21T04:18:52Z)
• 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)
• With One Voice: Composing a Travel Voice Assistant from Re-purposed Models [0.7742297876120561]
  音声アシスタントをスクラッチから構築するには、多数のモデルを構築し、コンポーネント間で編成する複数のチームの長い努力が必要だ。 Booking.com検索・レコメンデーションシステムのための音声検索アシスタントの構築から得られた重要な知見を提示する。 本論文は、既存の再目的モデルに対して、専用のテーラーメイドソリューションにおいて達成された性能と開発努力を比較した。
  論文  参考訳（メタデータ） (2021-08-04T10:34:11Z)
• A Real-Time Whole Page Personalization Framework for E-Commerce [13.254747746069139]
  eコマースプラットフォームは、ホームページに複数のカルーセルを含んでいる。 カルーセル内のアイテムは、シーケンシャルユーザーアクションに基づいて動的に変更されます。 ウォルマートオンライン食料品のホームページで、アイテムカルーセルをリアルタイムで最適にランク付けするためのスケーラブルなエンドツーエンド生産システムを紹介します。
  論文  参考訳（メタデータ） (2020-12-08T19:08:41Z)
• The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
  本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。 スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。 我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-08-28T10:59:31Z)

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。