論文の概要: Intelligent Online Selling Point Extraction for E-Commerce Recommendation

• arxiv url: http://arxiv.org/abs/2112.10613v1
• Date: Thu, 16 Dec 2021 00:32:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 10:37:02.512928
• Title: Intelligent Online Selling Point Extraction for E-Commerce Recommendation
• Title（参考訳）: 電子商取引勧告のためのインテリジェントオンライン販売ポイント抽出
• Authors: Xiaojie Guo, Shugen Wang, Hanqing Zhao, Shiliang Diao, Jiajia Chen, Zhuoye Ding, Zhen He, Yun Xiao, Bo Long, Han Yu, Lingfei Wu
• Abstract要約: 我々は、JD.comのeコマースプラットフォームでレコメンデーションシステムを提供するためのIOSPEシステムを開発し、展開する。 2020年7月以降、IOSPEは0.1億以上の販売ポイントを生み出している。 これらのIOSPEが生成した販売ポイントは、クリックスルーレート(CTR)を1.89%増加させ、顧客が製品に費やした平均期間は、以前のプラクティスと比べて2.03%以上増加した。
• 参考スコア（独自算出の注目度）: 41.983131116332636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the past decade, automatic product description generation for e-commerce have witnessed significant advancement. As the services provided by e-commerce platforms become diverse, it is necessary to dynamically adapt the patterns of descriptions generated. The selling point of products is an important type of product description for which the length should be as short as possible while still conveying key information. In addition, this kind of product description should be eye-catching to the readers. Currently, product selling points are normally written by human experts. Thus, the creation and maintenance of these contents incur high costs. These costs can be significantly reduced if product selling points can be automatically generated by machines. In this paper, we report our experience developing and deploying the Intelligent Online Selling Point Extraction (IOSPE) system to serve the recommendation system in the JD.com e-commerce platform. Since July 2020, IOSPE has become a core service for 62 key categories of products (covering more than 4 million products). So far, it has generated more than 0.1 billion selling points, thereby significantly scaling up the selling point creation operation and saving human labour. These IOSPE generated selling points have increased the click-through rate (CTR) by 1.89\% and the average duration the customers spent on the products by more than 2.03\% compared to the previous practice, which are significant improvements for such a large-scale e-commerce platform.
• Abstract（参考訳）: 過去10年間、eコマースの自動製品記述生成は大きな進歩を遂げてきた。 電子商取引プラットフォームが提供するサービスが多様化するにつれて、生成した記述のパターンを動的に適応させる必要がある。 製品のセールスポイントは、キー情報を伝達しながら可能な限り長さを短くする重要なタイプの製品記述である。 さらに、この種の製品の説明は読者に目を向けるべきである。 現在、製品販売ポイントは通常、人間の専門家によって書かれる。 したがって、これらのコンテンツの作成とメンテナンスは高いコストがかかる。 これらのコストは、機械によって自動的に製品販売ポイントを生成できれば大幅に削減できる。 本稿では,知的オンライン販売ポイント抽出システム(IOSPE)を開発した経験を報告し,JD.comのeコマースプラットフォームにおけるレコメンデーションシステムを提供する。 2020年7月以降、IOSPEは62の主要製品カテゴリー(400万以上の製品を含む)のコアサービスとなっている。 これまでのところ、売上ポイントは0.1億を超えており、営業ポイントの創出と人的労働力の削減に大きく貢献している。 これらのIOSPEが生成した販売ポイントは、クリックスルーレート(CTR)を1.89 %増加させ、顧客が製品に費やした平均期間を以前のプラクティスと比べて2.03 %以上短縮した。

関連論文リスト

• IPL: Leveraging Multimodal Large Language Models for Intelligent Product Listing [26.930588075458008]
  IPLは知的製品リスト作成ツールであり,様々な製品属性を用いて記述を生成するのに適したツールである。 IPLは実運用システムで成功しており、ユーザの72%が生成したコンテンツに基づいて製品リストを公開しています。 これらの製品リストは、AIアシストのないものよりも品質スコアが5.6%高いことが示されている。
  論文  参考訳（メタデータ） (2024-10-22T12:56:04Z)
• Information Discovery in e-Commerce [97.71958017283593]
  情報検索は、特に商品やサービスとの接続において、eコマースにおいて自然な役割を担っている。 電子商取引サイトの人気が高まり、電子商取引における情報発見の研究が活発な研究分野となっている。 電子商取引における情報発見手法は主に、電子商取引検索とレコメンデーションシステムの有効性の向上に重点を置いている。
  論文  参考訳（メタデータ） (2024-10-08T07:41:01Z)
• Leveraging Large Language Models for Enhanced Product Descriptions in eCommerce [6.318353155416729]
  本稿では,LAMA 2.0 7B言語モデルを用いた製品記述生成の自動化手法を提案する。 私たちはこのモデルを、最大のeコマースプラットフォームの1つであるWalmartの真正な製品記述のデータセットでトレーニングします。 以上の結果から,システムはスケーラブルであるだけでなく,製品記述作成に関わる人的負担を大幅に削減することが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-24T00:55:14Z)
• 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)
• 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)
• 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)
• Automatic Product Copywriting for E-Commerce [46.1215290892261]
  自動製品コピーライト生成システムは2021年2月からJD.comにデプロイされている。 2021年までに2300万の製品説明が生成され、ベースラインに比べてクリックスルー率(CTR)とコンバージョンレート(CVR)が4.22%と3.61%向上した。
  論文  参考訳（メタデータ） (2021-12-15T19:06:31Z)
• Personalized Embedding-based e-Commerce Recommendations at eBay [3.1236273633321416]
  電子商取引市場において,同じベクトル空間にアイテムやユーザを埋め込むことで,パーソナライズされたアイテムレコメンデーションを生成するアプローチを提案する。 データアブレーションは、生産システムの堅牢性を改善するために、オフラインモデルのトレーニングプロセスに組み込まれます。
  論文  参考訳（メタデータ） (2021-02-11T17:58:51Z)

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。