Fugu-MT 論文翻訳(概要): Query2Prod2Vec Grounded Word Embeddings for eCommerce

論文の概要: Query2Prod2Vec Grounded Word Embeddings for eCommerce

arxiv url: http://arxiv.org/abs/2104.02061v1
Date: Fri, 2 Apr 2021 21:32:43 GMT
ステータス: 処理完了
システム内更新日: 2021-04-07 13:53:03.807506
Title: Query2Prod2Vec Grounded Word Embeddings for eCommerce
Title（参考訳）: Query2Prod2VecがEコマース用ワード埋め込みを公開
Authors: Federico Bianchi, Jacopo Tagliabue and Bingqing Yu
Abstract要約: 製品埋め込みにおける製品探索のための語彙表現を基礎とするモデルを提案する。ショッピングセッションを活用して、基礎となるスペースを学び、商品化アノテーションを使用して評価のための語彙的類似物を構築します。
参考スコア（独自算出の注目度）: 4.137464623395377
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present Query2Prod2Vec, a model that grounds lexical representations for product search in product embeddings: in our model, meaning is a mapping between words and a latent space of products in a digital shop. We leverage shopping sessions to learn the underlying space and use merchandising annotations to build lexical analogies for evaluation: our experiments show that our model is more accurate than known techniques from the NLP and IR literature. Finally, we stress the importance of data efficiency for product search outside of retail giants, and highlight how Query2Prod2Vec fits with practical constraints faced by most practitioners.
Abstract（参考訳）: 私たちは、製品埋め込みにおける製品検索の語彙表現を基礎とするモデルであるquery2prod2vecを紹介します。私たちの実験では、nlpやir文学の既知の技術よりも、私たちのモデルの方が正確であることが示されています。最後に、小売大手以外の製品検索におけるデータ効率の重要性を強調し、Query2Prod2Vecが実践者が直面する現実的な制約にどのように適合するかを強調します。

関連論文リスト

Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
論文参考訳（メタデータ） (2024-09-23T12:28:40Z)
Unifying Latent and Lexicon Representations for Effective Video-Text Retrieval [87.69394953339238]
ビデオテキスト検索における微細な意味を捉えるために語彙表現を学習するUNIFYフレームワークを提案する。 MSR-VTT と DiDeMo をそれぞれ4.8%,Recall@1 を8.2%改善した。
論文参考訳（メタデータ） (2024-02-26T17:36:50Z)
A Semantic Space is Worth 256 Language Descriptions: Make Stronger Segmentation Models with Descriptive Properties [53.177550970052174]
ProLabは、プロパティレベルのラベル空間を使用して、強力な解釈可能なセグメンテーションモデルを作成する新しいアプローチである。セグメンテーションモデルを監督するために、常識知識に根ざした記述的特性を使用する。
論文参考訳（メタデータ） (2023-12-21T11:43:41Z)
Language Models: A Guide for the Perplexed [51.88841610098437]
このチュートリアルは、言語モデルを学ぶ人と、興味を持ち、もっと学びたいと思う人とのギャップを狭めることを目的としています。実験を通して学ぶことができる質問に焦点を当てた科学的視点を提供する。言語モデルは、現在、その開発に繋がる研究の文脈に置かれています。
論文参考訳（メタデータ） (2023-11-29T01:19:02Z)
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)
e-CLIP: Large-Scale Vision-Language Representation Learning in E-commerce [9.46186546774799]
本研究では,未ラベルの製品テキストや画像を用いて,言語モデルと視覚モデルとを整合させるコントラスト学習フレームワークを提案する。我々は、大規模表現学習モデルを訓練し、ドメイン固有の課題に対処するソリューションを共有するために使用したテクニックを提示する。
論文参考訳（メタデータ） (2022-07-01T05:16:47Z)
BERT Goes Shopping: Comparing Distributional Models for Product Representations [4.137464623395377]
コンテキスト埋め込みによるNLPタスクの性能改善に触発されて,BERTのようなアーキテクチャをeコマースに移行することを提案する。当社のモデルであるProdBERTは、マスク付きセッションモデリングにより製品の表現を生成するために訓練されている。
論文参考訳（メタデータ） (2020-12-17T18:18:03Z)
Improving BERT Performance for Aspect-Based Sentiment Analysis [3.5493798890908104]
Aspect-Based Sentiment Analysis (ABSA)は、市場製品に関する消費者の意見を調査する。製品レビューで表現された感情のタイプだけでなく、感情のタイプも調査する。本稿では,提案モデルを適用することで,BERTモデルのさらなるトレーニングの必要性がなくなることを示す。
論文参考訳（メタデータ） (2020-10-22T13:52:18Z)
Shopping in the Multiverse: A Counterfactual Approach to In-Session Attribution [6.09170287691728]
我々は,eコマースにおける現場検索エンジンのインセッション帰属の課題に対処する。我々は、この問題を因果的反事実推論と表現し、そのアプローチをルールベースのシステムと対比する。本研究では, 自然言語クエリを同じ空間で効果的に表現し, 因果的寄与を評価するために「探索介入」をどのように行うかを示す。
論文参考訳（メタデータ） (2020-07-20T13:32:02Z)
A Corpus Study and Annotation Schema for Named Entity Recognition and Relation Extraction of Business Products [68.26059718611914]
製品エンティティのアノテーションと企業-製品関係の言及のためのコーパススタディ、アノテーションスキーマおよび関連ガイドラインを提示する。積の言及はしばしば名詞句として認識されるが、境界の曖昧さのため、その正確な範囲を定義することは困難である。提案ガイドラインに準じて,英文Webおよびソーシャルメディア文書の事前コーパスを提示する。
論文参考訳（メタデータ） (2020-04-07T11:45:22Z)
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。