論文の概要: Grouping Search Results with Product Graphs in E-commerce Platforms
- arxiv url: http://arxiv.org/abs/2109.09349v1
- Date: Mon, 20 Sep 2021 08:01:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 04:29:49.482527
- Title: Grouping Search Results with Product Graphs in E-commerce Platforms
- Title(参考訳): Eコマースプラットフォームにおける製品グラフを用いたグループ検索
- Authors: Suhas Ranganath, Shibsankar Das, Sanjay Thilaivasan, Shipra Agarwal,
Varun Shrivastava
- Abstract要約: 本稿では,検索結果を複数のランクリストに分類し,より優れたユーザインテントを提供するフレームワークを提案する。
例えば「ミルク」という問合せでは、結果は「白い牛乳」、「低脂肪牛乳」、「アーモンドミルク」、「風味のある牛乳」の複数のスタックにまとめられる。
- 参考スコア(独自算出の注目度): 2.887393074590696
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Showing relevant search results to the user is the primary challenge for any
search system. Walmart e-commerce provides an omnichannel search platform to
its customers to search from millions of products. This search platform takes a
textual query as input and shows relevant items from the catalog. One of the
primary challenges is that this queries are complex to understand as it
contains multiple intent in many cases. This paper proposes a framework to
group search results into multiple ranked lists intending to provide better
user intent. The framework is to create a product graph having relations
between product entities and utilize it to group search results into a series
of stacks where each stack provides a group of items based on a precise intent.
As an example, for a query "milk," the results can be grouped into multiple
stacks of "white milk", "low-fat milk", "almond milk", "flavored milk". We
measure the impact of our algorithm by evaluating how it improves the user
experience both in terms of search quality relevance and user behavioral
signals like Add-To-Cart.
- Abstract(参考訳): ユーザに対して関連する検索結果を表示することが,検索システムにとって最大の課題である。
walmart eコマースは、顧客に何百万もの製品から検索するためのomnichannel検索プラットフォームを提供している。
この検索プラットフォームは、テキストクエリを入力として、カタログから関連する項目を表示する。
主な課題の1つは、多くのケースで複数のインテントが含まれているため、このクエリが複雑であることです。
本稿では,検索結果を複数のランクリストに分類し,より優れたユーザインテントを提供するフレームワークを提案する。
フレームワークは、製品エンティティ間の関係を持つ製品グラフを作成し、それを利用して検索結果を一連のスタックにグループ化し、各スタックが正確な意図に基づいてアイテムのグループを提供する。
例えば、クエリ"milk"では、結果は"white milk"、"low-fat milk"、"almond milk"、"flavored milk"の複数のスタックにグループ化できる。
本稿では,検索品質の関連性とAdd-To-Cartのようなユーザ行動信号の両方の観点から,ユーザエクスペリエンスの向上方法を評価することで,アルゴリズムの効果を測定する。
関連論文リスト
- Searching, fast and slow, through product catalogs [5.077235981745305]
本稿では、リアルタイム提案システムと低レイテンシ検索システムの両方を提供するSKU検索のための統一アーキテクチャを提案する。
我々のシステムは、あらゆる面で、デフォルトの検索エンジンによって提供される結果を大きく上回っていることを示す。
論文 参考訳(メタデータ) (2024-01-01T12:30:46Z) - Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳(メタデータ) (2023-10-23T05:52:09Z) - Improving Content Retrievability in Search with Controllable Query
Generation [5.450798147045502]
マシンが学習した検索エンジンは高い検索可能性バイアスを持ち、クエリの大部分が同じエンティティを返す。
そこで我々はCtrlQGenを提案する。CtrlQGenは、選択したインテントナローあるいは広義のクエリを生成する方法である。
音楽,ポッドキャスト,書籍の各分野のデータセットから得られた結果から,高密度検索モデルの検索可能性バイアスを著しく低減できることがわかった。
論文 参考訳(メタデータ) (2023-03-21T07:46:57Z) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳(メタデータ) (2022-12-02T04:08:09Z) - Shopping Queries Dataset: A Large-Scale ESCI Benchmark for Improving
Product Search [26.772851310517954]
本稿では,難解なAmazon検索クエリと結果の大規模なデータセットである“ショッピングクエリデータセット”を紹介する。
データセットには、約130万のユニークなクエリと、手作業による(製品)関連判断が260万個含まれている。
データセットはKDDCup'22の課題のひとつで使用されている。
論文 参考訳(メタデータ) (2022-06-14T04:25:26Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳(メタデータ) (2022-04-03T16:50:30Z) - Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。
本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文 参考訳(メタデータ) (2021-10-14T20:19:27Z) - Online Learning of Optimally Diverse Rankings [63.62764375279861]
ユーザのフィードバックのみに基づいて最適なリストを効率よく学習するアルゴリズムを提案する。
我々は、$T$クエリの後に、LDRの後悔は$O((N-L)log(T))$としてスケールする。
論文 参考訳(メタデータ) (2021-09-13T12:13:20Z) - Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。
本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。
本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文 参考訳(メタデータ) (2021-05-31T21:14:58Z) - Addressing Purchase-Impression Gap through a Sequential Re-ranker [3.5004721334756934]
本稿では,eコマースサイトのトップ検索結果に見られる購買・印象ギャップに対処する手法を提案する。
我々は、歴史的ショッピングパターンに基づく商品の理想的な流通を確立する。
次に,従来の点数ランキング装置で生成した上位検索結果を手法的に参照するシーケンシャルリランカを提案する。
論文 参考訳(メタデータ) (2020-10-27T19:26:51Z) - Query Intent Detection from the SEO Perspective [0.34376560669160383]
ユーザクエリの意図を,Googleの結果と機械学習の手法を利用して識別することを目的としている。
クラスタ化されたクエリから抽出されたキーワードのリストは、与えられた新しいクエリの意図を特定するために使用される。
論文 参考訳(メタデータ) (2020-06-16T13:08:29Z)
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。