論文の概要: User-Inspired Posterior Network for Recommendation Reason Generation

• arxiv url: http://arxiv.org/abs/2102.07919v1
• Date: Tue, 16 Feb 2021 02:08:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-17 15:02:50.904805
• Title: User-Inspired Posterior Network for Recommendation Reason Generation
• Title（参考訳）: 推薦理由生成のためのユーザインスパイア後続ネットワーク
• Authors: Haolan Zhan, Hainan Zhang, Hongshen Chen, Lei Shen, Yanyan Lan, Zhuoye Ding, Dawei Yin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 53.035224183349385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommendation reason generation, aiming at showing the selling points of products for customers, plays a vital role in attracting customers' attention as well as improving user experience. A simple and effective way is to extract keywords directly from the knowledge-base of products, i.e., attributes or title, as the recommendation reason. However, generating recommendation reason from product knowledge doesn't naturally respond to users' interests. Fortunately, on some E-commerce websites, there exists more and more user-generated content (user-content for short), i.e., product question-answering (QA) discussions, which reflect user-cared aspects. Therefore, in this paper, we consider generating the recommendation reason by taking into account not only the product attributes but also the customer-generated product QA discussions. In reality, adequate user-content is only possible for the most popular commodities, whereas large sums of long-tail products or new products cannot gather a sufficient number of user-content. To tackle this problem, we propose a user-inspired multi-source posterior transformer (MSPT), which induces the model reflecting the users' interests with a posterior multiple QA discussions module, and generating recommendation reasons containing the product attributes as well as the user-cared aspects. Experimental results show that our model is superior to traditional generative models. Additionally, the analysis also shows that our model can focus more on the user-cared aspects than baselines.
• Abstract（参考訳）: 顧客向け製品のセールスポイント提示を目的としたレコメンデーション理由生成は,ユーザの注意を引き付け,ユーザエクスペリエンスを向上させる上で重要な役割を担っている。 シンプルで効果的な方法は、推薦理由として、製品の知識ベース、すなわち属性やタイトルから直接キーワードを抽出することである。 しかし、製品知識からレコメンデーションの理由を生み出すことは、ユーザの興味に自然に反応しない。 幸運なことに、一部のEコマースのウェブサイトでは、ユーザ主導の側面を反映した製品質問回答(QA)議論という、ユーザ生成コンテンツ(略してユーザコンテンツ)がますます多く存在する。 そこで本稿では,製品属性だけでなく,顧客生成製品QAに関する議論も考慮して,レコメンデーション理由の生成を検討する。 実際には、適切なユーザーコンテンツは最も人気のある商品にのみ可能ですが、大量のロングテール製品や新製品は十分な数のユーザーコンテンツを集めることができません。 そこで本研究では,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,後部複数QAディスカッションモジュールを用いてユーザの関心を反映したモデルを生成し,製品属性とユーザケアされた側面を含む推奨理由を生成する。 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。 さらに、この分析は、私たちのモデルがベースラインよりもユーザー重視の側面に集中できることも示しています。

関連論文リスト

• Influential Recommender System [12.765277278599541]
  Influential Recommender System (IRS) は,ユーザが対象アイテムを好むように積極的に導くことを目的とした,新しいレコメンデーションパラダイムである。 IRSは、ユーザに慎重に選択された項目(影響経路と呼ばれる)のシーケンスを徐々に推奨する。 IRNはベースラインレコメンデータよりも優れており,ユーザの興味に影響を及ぼす能力を示している。
  論文  参考訳（メタデータ） (2022-11-18T03:04:45Z)
• Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles [69.69160476215895]
  このレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。 ユーザが作業するプロジェクトのセマンティクスに対して視覚スタイルの好みを学習するRecSysを設計する。
  論文  参考訳（メタデータ） (2022-08-23T12:11:28Z)
• 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)
• What Users Want? WARHOL: A Generative Model for Recommendation [9.195173526948125]
  既存のレコメンデーションモデルは、ターゲットのオーディエンスのニーズをより良くするために、新しい機能の最適な組み合わせを予測するために直接使うことはできない、と私たちは主張する。 ユーザショッピング活動の入力となる製品生成・レコメンデーションアーキテクチャであるWARHOLを開発した。 我々は、WARHOLが、与えられたユーザプロファイルに関連する全く新しい製品を生成すると同時に、最先端のレコメンデーションモデルの性能にアプローチできることを示します。
  論文  参考訳（メタデータ） (2021-09-02T17:15:28Z)
• PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
  本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-06-05T01:33:21Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• Probing Product Description Generation via Posterior Distillation [39.65544829475079]
  高品質な顧客レビューは、ユーザ主導の側面を掘り下げるのに理想的なソースだと見なすことができます。 既存の作品はアイテム情報のみに基づいて製品記述を生成する傾向がある。 本稿では,顧客レビューからユーザ主導の情報を活用可能なTransformerアーキテクチャに基づく適応型後部ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-02T09:38:38Z)
• 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)

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。