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
- 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) - Decision-Oriented Dialogue for Human-AI Collaboration [50.649196780502976]
決定指向対話と呼ばれるタスクのクラスについて説明する。そこでは、AIアシスタントが自然言語を介して1つ以上の人間と協力し、複雑な意思決定を支援する必要がある。
日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。
各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
論文 参考訳(メタデータ) (2023-05-31T17:50:02Z) - 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) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳(メタデータ) (2021-11-11T05:36:39Z) - 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) - Mining Customers' Opinions for Online Reputation Generation and
Visualization in e-Commerce Platforms [0.0]
顧客レビューは、さまざまなオンラインショッピング体験に関する非常に貴重な情報を抽出できる、非常に豊富なデータソースです。
この論文の私の研究目標は、自然言語で表現されたオンラインレビューをマイニングすることによって、オンライン意思決定プロセス中に電子商取引の顧客に価値ある情報を自動的に提供できる評判システムを開発することです。
論文 参考訳(メタデータ) (2021-04-05T14:46:57Z) - 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) - ISA: An Intelligent Shopping Assistant [30.515206051182947]
モバイル型インテリジェントショッピングアシスタントISAについて紹介する。
ISAはコンピュータビジョン、音声処理、自然言語処理の高度な技術を活用することでユーザを支援する。
我々は、ISAの自然言語処理コンポーネントのエンジンを構築する際に、データ駆動のアプローチをとる。
論文 参考訳(メタデータ) (2020-07-07T21:57:34Z)
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。