論文の概要: Scenario-based Multi-product Advertising Copywriting Generation for E-Commerce

• arxiv url: http://arxiv.org/abs/2205.10530v1
• Date: Sat, 21 May 2022 07:45:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-24 18:26:21.228003
• Title: Scenario-based Multi-product Advertising Copywriting Generation for E-Commerce
• Title（参考訳）: シナリオベースマルチプロダクト広告コピーライティングによる電子商取引
• Authors: Xueying Zhang, Kai Shen, Chi Zhang, Xiaochuan Fan, Yun Xiao, Zhen He, Bo Long, Lingfei Wu
• Abstract要約: 本稿では,Eコマース用自動シナリオベースマルチプロダクト広告複写生成システム(SMPACG)を提案する。 SMPACGは当社のeコマースレコメンデーションシステムに直接機能する目的で開発されており、また商人のリアルタイム書き込み支援ツールとしても利用されている。
• 参考スコア（独自算出の注目度）: 46.29638014067242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we proposed an automatic Scenario-based Multi-product Advertising Copywriting Generation system (SMPACG) for E-Commerce, which has been deployed on a leading Chinese e-commerce platform. The proposed SMPACG consists of two main components: 1) an automatic multi-product combination selection module, which itself is consisted of a topic prediction model, a pattern and attribute-based selection model and an arbitrator model; and 2) an automatic multi-product advertising copywriting generation module, which combines our proposed domain-specific pretrained language model and knowledge-based data enhancement model. The SMPACG is the first system that realizes automatic scenario-based multi-product advertising contents generation, which achieves significant improvements over other state-of-the-art methods. The SMPACG has been not only developed for directly serving for our e-commerce recommendation system, but also used as a real-time writing assistant tool for merchants.
• Abstract（参考訳）: 本稿では,中国の主要なeコマースプラットフォーム上に展開されているEコマースのための,シナリオベースのマルチプロダクト広告複写生成システム(SMPACG)を提案する。 SMPACGは2つの主成分から構成される。 1)トピック予測モデル、パターンおよび属性ベースの選択モデル、仲裁者モデルで構成される自動多産物組合せ選択モジュール 2)提案するドメイン特化事前学習言語モデルと知識に基づくデータエンハンスモデルを組み合わせた多製品広告自動複写生成モジュール。 SMPACGはシナリオベースのマルチプロダクト広告コンテンツの自動生成を実現する最初のシステムであり、他の最先端手法よりも大幅に改善されている。 SMPACGは、Eコマースレコメンデーションシステムに直接サービスを提供するために開発されただけでなく、商人のリアルタイム書き込み支援ツールとしても使用されている。

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)
• A Multimodal In-Context Tuning Approach for E-Commerce Product Description Generation [47.70824723223262]
  マーケティングキーワードを付加した画像から製品記述を生成するための新しい設定を提案する。 本稿では, ModICT という, シンプルで効果的なマルチモーダル・インコンテキスト・チューニング手法を提案する。 実験の結果、ModICTは従来の方法と比較して精度(ルージュ-Lでは最大3.3%)と多様性(D-5では最大9.4%)を著しく改善することが示された。
  論文  参考訳（メタデータ） (2024-02-21T07:38:29Z)
• 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)
• Automatic Scene-based Topic Channel Construction System for E-Commerce [46.30140767652402]
  自動生産を実現するため,E-Commerce Scene-based Topic Channel construction system(ESTC)を提案する。 本研究は、通常、同じ利用シナリオに属する多様な製品のリストからなる、新しい製品形式、シーンベースのトピックチャネルを示す。
  論文  参考訳（メタデータ） (2022-10-06T02:29:10Z)
• 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)
• 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)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)

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。