論文の概要: Automatic Generation of Product Concepts from Positive Examples, with an
Application to Music Streaming
- arxiv url: http://arxiv.org/abs/2210.01515v1
- Date: Tue, 4 Oct 2022 10:41:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 13:49:24.727331
- Title: Automatic Generation of Product Concepts from Positive Examples, with an
Application to Music Streaming
- Title（参考訳）: ポジティブな例からの製品概念の自動生成と音楽ストリーミングへの応用
- Authors: Kshitij Goyal, Wannes Meert, Hendrik Blockeel, Elia Van Wolputte, Koen
Vanderstraeten, Wouter Pijpops, Kurt Jaspers
- Abstract要約: データベースクエリを使って製品概念を表現し、2つの学習問題に取り組む。
まず、すべての製品が同じ未知の製品概念に属することを前提として、この製品概念の表現であるデータベースクエリを学習する。
第2に、製品セットが複数の製品コンセプトと関連付けられている場合に、製品概念とその対応するクエリを学習する。
- 参考スコア（独自算出の注目度）: 8.707090176854576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet based businesses and products (e.g. e-commerce, music streaming) are
becoming more and more sophisticated every day with a lot of focus on improving
customer satisfaction. A core way they achieve this is by providing customers
with an easy access to their products by structuring them in catalogues using
navigation bars and providing recommendations. We refer to these catalogues as
product concepts, e.g. product categories on e-commerce websites, public
playlists on music streaming platforms. These product concepts typically
contain products that are linked with each other through some common features
(e.g. a playlist of songs by the same artist). How they are defined in the
backend of the system can be different for different products. In this work, we
represent product concepts using database queries and tackle two learning
problems. First, given sets of products that all belong to the same unknown
product concept, we learn a database query that is a representation of this
product concept. Second, we learn product concepts and their corresponding
queries when the given sets of products are associated with multiple product
concepts. To achieve these goals, we propose two approaches that combine the
concepts of PU learning with Decision Trees and Clustering. Our experiments
demonstrate, via a simulated setup for a music streaming service, that our
approach is effective in solving these problems.
- Abstract（参考訳）: インターネットベースのビジネスや製品(eコマースや音楽ストリーミングなど)は、日々ますます洗練され、顧客満足度の向上に重点が置かれています。
これを実現するコアな方法は、ナビゲーションバーを使用してカタログにリストアップし、レコメンデーションを提供することで、顧客に対して簡単に製品にアクセスできるようにすることだ。
例えば、eコマースウェブサイト上の製品カテゴリ、音楽ストリーミングプラットフォーム上のパブリックプレイリストなどである。
これらの製品コンセプトは、通常、共通の特徴(例えば、同じアーティストによる曲のプレイリスト)を通じて互いにリンクされる製品を含んでいる。
システムのバックエンドでどのように定義されているかは、異なる製品に対して異なる可能性がある。
本研究では,データベースクエリを用いて製品概念を表現し,2つの学習問題に取り組む。
まず、同じ未知の製品概念に属する製品の集合が与えられたとき、私たちはこの製品概念の表現であるデータベースクエリを学習します。
第2に、製品セットが複数の製品コンセプトと関連付けられている場合に、製品概念とその対応するクエリを学習する。
これらの目標を達成するために,pu学習の概念と決定木とクラスタリングを組み合わせる2つのアプローチを提案する。
提案手法は,音楽ストリーミングサービスのシミュレーションにより,これらの問題を解決する上で有効であることを実証する。
関連論文リスト
- Exploring Query Understanding for Amazon Product Search [62.53282527112405]
問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。
ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。
本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
論文 参考訳（メタデータ） (2024-08-05T03:33:11Z) - Spatiotemporal Graph Guided Multi-modal Network for Livestreaming Product Retrieval [32.478352606125306]
そこで本研究では,営業担当者の音声コンテンツを活用したテキスト誘導型アテンション機構を提案する。
長距離時間グラフネットワークは、インスタンスレベルの相互作用とフレームレベルのマッチングの両方を達成するように設計されている。
提案するSGMNモデルの優れた性能を実証し,最先端の手法をかなり上回る性能を示した。
論文 参考訳（メタデータ） (2024-07-23T07:36:54Z) - Cross-Domain Product Representation Learning for Rich-Content E-Commerce [16.418118040661646]
本稿では,ROPEと呼ばれる大規模cRoss-dOmain製品認識データセットを提案する。
ROPEは幅広い製品カテゴリーをカバーし、数百万のショートビデオとライブストリームに対応する180,000以上の製品を含んでいる。
プロダクトページ、ショートビデオ、ライブストリームを同時にカバーする最初のデータセットであり、異なるメディアドメイン間で統一された製品表現を確立する基盤を提供する。
論文 参考訳（メタデータ） (2023-08-10T13:06:05Z) - CCGen: Explainable Complementary Concept Generation in E-Commerce [49.4374418239856]
CCGenは、クエリ提案やアイテムレコメンデーションといった様々なアプリケーション、特にeコマースドメインに有用である。
言語モデルをトレーニングし、2段階のトレーニング戦略で概念のランク付けリストを生成する。
また,大規模な教師モデルから抽出した説明を組み込むことで,モデルに説明を生成する方法も教える。
論文 参考訳（メタデータ） (2023-05-19T07:16:04Z) - Automatic Generation of Product-Image Sequence in E-commerce [46.06263129000091]
MUIsC(Multi-modality Unified Imagesequence)は、ルール違反を学習することで、すべてのカテゴリを同時に検出できる。
2021年12月までに、当社の AGPIS フレームワークは、約150万製品の高規格画像を生成し、13.6%の拒絶率を達成した。
論文 参考訳（メタデータ） (2022-06-26T23:38:42Z) - 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) - Intent-based Product Collections for E-commerce using Pretrained
Language Models [8.847005669899703]
我々は、意図に基づく製品コレクションを作成するために、Webスケール製品のテキスト属性を利用する事前学習言語モデル(PLM)を使用している。
本モデルは,オフライン評価において,意図に基づく製品マッチングのための検索ベースラインモデルよりも大幅に優れている。
電子商取引プラットフォーム上でのオンライン実験結果から, PLM法により, CTR, CVR, オーダー多様性が向上した製品コレクションを, 専門家によるコレクションと比較して構築できることが示唆された。
論文 参考訳（メタデータ） (2021-10-15T17:52:42Z) - A Retail Product Categorisation Dataset [2.538209532048867]
類似製品の識別は一般的なサブタスクである。
当社の目標は、小売商品のカテゴリー予測のための機械学習手法の評価を向上させることです。
論文 参考訳（メタデータ） (2021-03-25T14:23:48Z) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデル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） (2021-02-16T02:08:52Z) - Exploiting Knowledge Graphs for Facilitating Product/Service Discovery [1.2691047660244332]
本研究は,データ分類に教師なしアプローチを採用することにより,データWeb上でのeコマースのための費用対効果のソリューションを提案する。
提案アーキテクチャでは,Web言語OWLで利用可能な製品について記述し,それをトリプルストアに格納する。
特定の製品のユーザ入力仕様は、利用可能な製品カテゴリと一致し、知識グラフを生成する。
論文 参考訳（メタデータ） (2020-10-11T10:22:10Z)
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。