論文の概要: CUSTOM: Aspect-Oriented Product Summarization for E-Commerce

• arxiv url: http://arxiv.org/abs/2108.08010v1
• Date: Wed, 18 Aug 2021 07:26:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-19 14:45:06.171893
• Title: CUSTOM: Aspect-Oriented Product Summarization for E-Commerce
• Title（参考訳）: CUSTOM:Eコマースのためのアスペクト指向製品要約
• Authors: Jiahui Liang, Junwei Bao, Yifan Wang, Youzheng Wu, Xiaodong He, and Bowen Zhou
• Abstract要約: 製品要約は、商品の説明を自動的に生成することを目的としています。 異なる製品面での顧客の好みを考えると、アスペクト指向のカスタマイズされた要約を生成するメリットがあるでしょう。 我々は,多様かつ制御可能な要約を異なる製品面に向けて生成するCUSTOMを提案する。
• 参考スコア（独自算出の注目度）: 33.148235036915885
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Product summarization aims to automatically generate product descriptions, which is of great commercial potential. Considering the customer preferences on different product aspects, it would benefit from generating aspect-oriented customized summaries. However, conventional systems typically focus on providing general product summaries, which may miss the opportunity to match products with customer interests. To address the problem, we propose CUSTOM, aspect-oriented product summarization for e-commerce, which generates diverse and controllable summaries towards different product aspects. To support the study of CUSTOM and further this line of research, we construct two Chinese datasets, i.e., SMARTPHONE and COMPUTER, including 76,279 / 49,280 short summaries for 12,118 / 11,497 real-world commercial products, respectively. Furthermore, we introduce EXT, an extraction-enhanced generation framework for CUSTOM, where two famous sequence-to-sequence models are implemented in this paper. We conduct extensive experiments on the two proposed datasets for CUSTOM and show results of two famous baseline models and EXT, which indicates that EXT can generate diverse, high-quality, and consistent summaries.
• Abstract（参考訳）: 製品要約は、製品説明を自動的に生成することを目的としています。 異なる製品面での顧客の好みを考えると、アスペクト指向のカスタマイズされた要約を生成するメリットがあるでしょう。 しかし、従来のシステムは一般的な製品サマリーの提供に重点を置いており、製品と顧客の利益をマッチさせる機会を逃す可能性がある。 この問題に対処するために,我々は,さまざまな製品側面に対して多様で制御可能な要約を生成する,eコマース向けのアスペクト指向製品要約を提案する。 そこで本研究では,2つの中国製データセット,すなわちスマートフォンとコンピュータを構築し,そのうち76,279 / 49,280は実世界の製品12,118 / 11,497である。 さらに,2つの有名なシーケンス・ツー・シーケンスモデルを実装したCUSTOMの抽出拡張生成フレームワークであるEXTを紹介する。 CUSTOMのための2つのデータセットについて広範な実験を行い、2つの有名なベースラインモデルとEXTの結果を示し、EXTが多種多様な高品質で一貫した要約を生成することを示す。

関連論文リスト

• Generating Attractive and Authentic Copywriting from Customer Reviews [7.159225692930055]
  本稿では,顧客のレビューに基づいて,商品の実践的体験を手軽に提供し,コピーライティングを生成することを提案する。 そこで我々は,強化学習により強化されたシーケンス・ツー・シーケンス(Sequence-to-Sequence)フレームワークを開発した。 我々のフレームワークは、LLaMA-2-chat-7BやGPT-3.5など、既存のベースラインやゼロショットの大規模言語モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-04-22T06:33:28Z)
• Text-Based Product Matching -- Semi-Supervised Clustering Approach [9.748519919202986]
  本稿では,半教師付きクラスタリング手法を用いた製品マッチングの新しい哲学を提案する。 実世界のデータセット上でIDECアルゴリズムを実験することにより,本手法の特性について検討する。
  論文  参考訳（メタデータ） (2024-02-01T18:52:26Z)
• 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)
• MMAPS: End-to-End Multi-Grained Multi-Modal Attribute-Aware Product Summarization [93.5217515566437]
  マルチモーダル製品要約(MPS: Multi-modal Product Summarization)は、商品の特徴を強調して顧客の購入意欲を高めることを目的としている。 既存のMPS手法は有望な結果をもたらすが、それでもエンドツーエンドの製品要約は欠如している。 本稿では,eコマースにおける高品質な製品要約を生成するために,エンド・ツー・エンドのマルチモーダル属性対応製品要約手法(MMAPS)を提案する。
  論文  参考訳（メタデータ） (2023-08-22T11:00:09Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• Product1M: Towards Weakly Supervised Instance-Level Product Retrieval via Cross-modal Pretraining [108.86502855439774]
  弱教師付きマルチモーダル・インスタンスレベルの製品検索を目的とした,より現実的な設定について検討する。 実世界のインスタンスレベルの検索において,最も大規模なマルチモーダル化粧品データセットであるProduct1Mをコントリビュートする。 ケースレベルの予測検索(CAPTURE)のためのクロスモーダル・コントラサシブ・プロダクト・トランスフォーマーという新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-07-30T12:11:24Z)
• Pre-training Graph Transformer with Multimodal Side Information for Recommendation [82.4194024706817]
  本稿では,項目側情報とその関連性を考慮した事前学習戦略を提案する。 我々はMCNSamplingという新しいサンプリングアルゴリズムを開発し、各項目のコンテキスト近傍を選択する。 The proposed Pre-trained Multimodal Graph Transformer (PMGT) learns item representations with two objectives: 1) graph structure reconstruction, 2) masked node feature reconstruction。
  論文  参考訳（メタデータ） (2020-10-23T10:30:24Z)

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。