論文の概要: Probing Product Description Generation via Posterior Distillation
- arxiv url: http://arxiv.org/abs/2103.01594v1
- Date: Tue, 2 Mar 2021 09:38:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:47:57.494246
- Title: Probing Product Description Generation via Posterior Distillation
- Title（参考訳）: 後方蒸留による製品記述の探索
- Authors: Haolan Zhan, Hainan Zhang, Hongshen Chen, Lei Shen, Zhuoye Ding,
Yongjun Bao, Weipeng Yan, Yanyan Lan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 39.65544829475079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In product description generation (PDG), the user-cared aspect is critical
for the recommendation system, which can not only improve user's experiences
but also obtain more clicks. High-quality customer reviews can be considered as
an ideal source to mine user-cared aspects. However, in reality, a large number
of new products (known as long-tailed commodities) cannot gather sufficient
amount of customer reviews, which brings a big challenge in the product
description generation task. Existing works tend to generate the product
description solely based on item information, i.e., product attributes or title
words, which leads to tedious contents and cannot attract customers
effectively. To tackle this problem, we propose an adaptive posterior network
based on Transformer architecture that can utilize user-cared information from
customer reviews. Specifically, we first extend the self-attentive Transformer
encoder to encode product titles and attributes. Then, we apply an adaptive
posterior distillation module to utilize useful review information, which
integrates user-cared aspects to the generation process. Finally, we apply a
Transformer-based decoding phase with copy mechanism to automatically generate
the product description. Besides, we also collect a large-scare Chinese product
description dataset to support our work and further research in this field.
Experimental results show that our model is superior to traditional generative
models in both automatic indicators and human evaluation.
- Abstract（参考訳）: 製品記述生成(pdg)では,ユーザのエクスペリエンスを向上させるだけでなく,より多くのクリックを得ることができるレコメンデーションシステムにおいて,ユーザ対応の側面が重要である。
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。
しかし、実際には、多くの新製品(ロングテール商品として知られる)が十分な量の顧客レビューを収集できないため、製品記述生成タスクにおいて大きな課題が生じる。
既存の作品は、商品情報、すなわち商品属性やタイトルワードのみに基づいて製品記述を生成する傾向にあり、退屈な内容につながり、顧客を効果的に惹きつけることができない。
そこで本研究では,顧客レビューのユーザケア情報を活用したTransformerアーキテクチャに基づく適応型後方ネットワークを提案する。
具体的には、まず製品タイトルと属性をエンコードする自己注意型トランスフォーマーエンコーダを拡張します。
次に, ユーザ主導のアスペクトを生成プロセスに統合する有用なレビュー情報を活用するために, 適応型後部蒸留モジュールを適用した。
最後に,コピー機構を付加したトランスベース復号位相を適用し,製品記述を自動的に生成する。
また,中国の大規模製品記述データセットも収集し,この分野での研究を支援している。
実験結果から,本モデルは自動指標と人的評価の両方において従来の生成モデルよりも優れていることがわかった。
関連論文リスト
- ProductAgent: Benchmarking Conversational Product Search Agent with Asking Clarification Questions [68.81939215223818]
ProductAgentは,戦略的明確化質問生成機能と動的製品検索機能を備えた対話情報探索エージェントである。
我々は,製品特徴の要約,クエリ生成,製品検索のための戦略を持ったエージェントを開発する。
実験の結果,ProductAgentはユーザとポジティブに対話し,対話のターンの増加に伴う検索性能の向上を図っている。
論文 参考訳（メタデータ） (2024-07-01T03:50:23Z) - SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites [0.0]
本稿では,SEOpinion(Summa-rization and Exploration of Opinion)と呼ばれる方法論を提案する。
テンプレートの情報と顧客のレビューの組合せを2つの主要なフェーズで組み合わせることで、製品面の要約を提供し、それらに対する意見を示す。
本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
論文 参考訳（メタデータ） (2023-12-12T15:45:58Z) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳（メタデータ） (2023-01-27T12:32:55Z) - A Transformer-Based Substitute Recommendation Model Incorporating Weakly
Supervised Customer Behavior Data [7.427088261927881]
提案されたモデルは、6つの言語で11のマーケットプレースのための大規模なEコマースウェブサイトにデプロイされている。
提案モデルにより,オンラインA/B実験により,収益が19%向上することが実証された。
論文 参考訳（メタデータ） (2022-11-04T15:57:19Z) - Learning to Diversify for Product Question Generation [68.69526529887607]
本稿では,T5の事前学習型トランスフォーマー・デコーダモデルについて述べる。
本稿では,トランスフォーマーモデルによって学習された言語を豊かにするための,新たな学習・多様化(LTD)手法を提案する。
論文 参考訳（メタデータ） (2022-07-06T09:26:41Z) - 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) - Personalized Entity Resolution with Dynamic Heterogeneous Knowledge
Graph Representations [40.37976161857134]
製品ランキングの精度を向上させるためにパーソナライズされた機能を活用する新しいフレームワークを提案する。
まず、顧客購入履歴と製品知識グラフからオープンソースの異種知識グラフを作成し、顧客と製品の埋め込みを共同で学習します。
その後、プロダクト、顧客、履歴の表現をニューラルリランキングモデルに組み込んで、どの候補が特定の顧客に購入される可能性が最も高いかを予測します。
論文 参考訳（メタデータ） (2021-04-06T16:58:27Z) - 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) - 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。