論文の概要: Merchandise Recommendation for Retail Events with Word Embedding
Weighted Tf-idf and Dynamic Query Expansion
- arxiv url: http://arxiv.org/abs/2208.08581v1
- Date: Thu, 18 Aug 2022 00:58:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 14:11:01.049774
- Title: Merchandise Recommendation for Retail Events with Word Embedding
Weighted Tf-idf and Dynamic Query Expansion
- Title(参考訳): 単語埋め込み重み付きtf-idfと動的クエリ拡張を用いた小売イベントの商品推薦
- Authors: Ted Tao Yuan and Zezhong Zhang
- Abstract要約: 単語埋め込み類似度を用いたキーワード拡張候補選択と,検索ランキングにおける拡張単語に対する拡張tf-idf式について論じる。
季節的な小売イベントに関連商品を推薦するためには,市場在庫からの商品の検索に頼っている。
- 参考スコア(独自算出の注目度): 5.644977999276679
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To recommend relevant merchandises for seasonal retail events, we rely on
item retrieval from marketplace inventory. With feedback to expand query scope,
we discuss keyword expansion candidate selection using word embedding
similarity, and an enhanced tf-idf formula for expanded words in search
ranking.
- Abstract(参考訳): 季節的な小売イベントに関連商品を推薦するためには、市場在庫からのアイテム検索に頼る。
クエリ範囲を拡大するフィードバックにより,単語埋め込み類似度を用いたキーワード拡張候補選択と,検索ランキングにおける拡張単語に対する拡張tf-idf式について議論する。
関連論文リスト
- Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳(メタデータ) (2024-03-07T02:34:54Z) - Dense X Retrieval: What Retrieval Granularity Should We Use? [59.359325855708974]
しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。
提案手法はテキスト内の原子式として定義され,それぞれが別個のファクトイドをカプセル化している。
その結果,命題に基づく検索は,従来の通訳法や文による検索方法よりも格段に優れていることがわかった。
論文 参考訳(メタデータ) (2023-12-11T18:57:35Z) - Text Matching Improves Sequential Recommendation by Reducing Popularity
Biases [48.272381505993366]
TASTEは、アイテムの識別子と属性を使用して、アイテムとユーザとイテムのインタラクションを言語化する。
実験の結果,TASTEはシーケンシャルレコメンデーションデータセットにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-08-27T07:44:33Z) - Query Rewriting for Retrieval-Augmented Large Language Models [139.242907155883]
大規模言語モデル(LLM)は、検索対象のパイプラインで強力なブラックボックスリーダーを動作させる。
この作業では、検索拡張LDMに対する以前の検索テーマ読み込みの代わりに、新しいフレームワークであるRewrite-Retrieve-Readを導入する。
論文 参考訳(メタデータ) (2023-05-23T17:27:50Z) - U-NEED: A Fine-grained Dataset for User Needs-Centric E-commerce
Conversational Recommendation [59.81301478480005]
現実のEコマースシナリオからユーザニーズ中心のEコマース対話推薦データセット(U-NEED)を構築した。
U-NEEDは,5つのカテゴリ (ii) 333,879のユーザ行動と, (iii) 332,148の製品知識の3種類のリソースで構成されている。
論文 参考訳(メタデータ) (2023-05-05T01:44:35Z) - Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。
我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。
エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
論文 参考訳(メタデータ) (2022-10-13T15:18:04Z) - Using Query Expansion in Manifold Ranking for Query-Oriented
Multi-Document Summarization [3.146785346730256]
本稿では,この問題を解くために,多様体ランキングに組み合わされたクエリ拡張手法を提案する。
本手法では,検索語自体と知識ベースであるWordNetの情報を同義語で拡張するだけでなく,文書自体の情報を様々な方法で拡張する。
さらに,単語の重複度と単語間の近接度を用いて文間の類似度を算出する。
論文 参考訳(メタデータ) (2021-07-31T02:20:44Z) - APRF-Net: Attentive Pseudo-Relevance Feedback Network for Query
Categorization [12.634704014206294]
クエリ分類のためのレアクエリの表現を強化するために,textbfAttentive textbfPseudo textbfRelevance textbfFeedback textbfNetwork (APRF-Net) という新しいディープニューラルネットワークを提案する。
以上の結果から,APRF-Netはクエリ分類をF1@1$スコアで5.9%改善し,レアクエリでは8.2%向上した。
論文 参考訳(メタデータ) (2021-04-23T02:34:08Z) - Event-Driven Query Expansion [23.08079115356717]
まず,関連するイベントを検知してイベント関連クエリを拡張する手法を提案する。
クエリとイベントの両方に意味論的に関連する用語として拡張候補を導出する。
提案手法は,各種ニュースワイヤTRECデータセットの最先端手法と比較して,クエリ拡張性能を著しく向上することを示す。
論文 参考訳(メタデータ) (2020-12-22T14:56:54Z) - A Linguistically Driven Framework for Query Expansion via Grammatical
Constituent Highlighting and Role-Based Concept Weighting [0.0]
関心のコンセプトは、探索目標のジストを表す中核的な概念として認識される。
検索目標を特定し、クエリ構造を完了するのに役立つ残りのクエリ構成成分は、記述的、関係的、構造的に分類される。
論文 参考訳(メタデータ) (2020-04-25T01:43:00Z)
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。