Fugu-MT 論文翻訳(概要): (Vector) Space is Not the Final Frontier: Product Search as Program Synthesis

論文の概要: (Vector) Space is Not the Final Frontier: Product Search as Program Synthesis

arxiv url: http://arxiv.org/abs/2304.11473v2
Date: Sun, 11 Jun 2023 17:35:02 GMT
ステータス: 処理完了
システム内更新日: 2023-06-14 00:22:36.289698
Title: (Vector) Space is Not the Final Frontier: Product Search as Program Synthesis
Title（参考訳）: (ベクトル)空間は最終フロンティアではない:プログラム合成としての製品探索
Authors: Jacopo Tagliabue and Ciro Greco
Abstract要約: プログラム合成は、多くのクエリーと市場でかなりの数のプレイヤーに大きな利点をもたらすと我々は主張する。提案手法の産業的意義を詳述し、実装の詳細をスケッチし、Toyosoで同様のシステムを構築した経験から得られた共通の異議に対処する。
参考スコア（独自算出の注目度）: 6.09170287691728
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As ecommerce continues growing, huge investments in ML and NLP for Information Retrieval are following. While the vector space model dominated retrieval modelling in product search - even as vectorization itself greatly changed with the advent of deep learning -, our position paper argues in a contrarian fashion that program synthesis provides significant advantages for many queries and a significant number of players in the market. We detail the industry significance of the proposed approach, sketch implementation details, and address common objections drawing from our experience building a similar system at Tooso.
Abstract（参考訳）: eコマースが成長を続けるにつれ、MLと情報検索のためのNLPへの巨額の投資が続いている。ベクトル空間モデルは、深層学習の出現とともにベクトル化自体が大きく変化したとしても、製品検索における検索モデルに支配的であるが、プログラム合成は、多くのクエリや市場でかなりの数のプレイヤーに大きな利点をもたらす、というコントラリア的手法で論じている。提案手法の産業的意義を詳述し,実装の詳細をスケッチし,toosoで同様のシステムを構築した経験から,共通する異論に対処した。

関連論文リスト

From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
論文参考訳（メタデータ） (2024-09-19T02:51:54Z)
Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
大規模テキストコーパスで事前訓練されたLarge Language Models (LLMs) は、推奨システムを強化するための有望な道を示す。オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-07T04:00:30Z)
Within-basket Recommendation via Neural Pattern Associator [6.474720465174676]
in-basket Recommation(WBR)は、空でないショッピングバスケットを完了するまでアイテムを推薦するタスクである。本稿では,ユーザの意図を明示的にモデル化したディープアイテム・アソシエーション・マイニング・モデルであるNeural Pattern Associator (NPA)を提案する。
論文参考訳（メタデータ） (2024-01-25T19:40:55Z)
SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites [0.0]
本稿では,SEOpinion(Summa-rization and Exploration of Opinion)と呼ばれる方法論を提案する。テンプレートの情報と顧客のレビューの組合せを2つの主要なフェーズで組み合わせることで、製品面の要約を提供し、それらに対する意見を示す。本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
論文参考訳（メタデータ） (2023-12-12T15:45:58Z)
Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文参考訳（メタデータ） (2023-10-11T20:34:17Z)
MISSRec: Pre-training and Transferring Multi-modal Interest-aware Sequence Representation for Recommendation [61.45986275328629]
逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
論文参考訳（メタデータ） (2023-08-22T04:06:56Z)
A brief review of contrastive learning applied to astrophysics [0.0]
コントラスト学習(Contrastive Learning)は、多次元データセットから情報測定を抽出する自己教師型機械学習アルゴリズムである。本稿では、コントラスト学習の背景にある主要な概念を要約し、天文学への最初の有望な応用についてレビューする。
論文参考訳（メタデータ） (2023-06-08T19:56:32Z)
Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文参考訳（メタデータ） (2023-02-22T15:52:37Z)
Toward a Geometrical Understanding of Self-supervised Contrastive Learning [55.83778629498769]
自己教師付き学習(SSL)は、人間のアノテーションがなければ、伝達学習に有効なデータ表現を作成するための最重要技術の一つである。メインストリームSSL技術は、エンコーダとプロジェクタという2つのカスケードニューラルネットワークを備えた、特定のディープニューラルネットワークアーキテクチャに依存している。本稿では,データ拡張ポリシーの強みがデータ埋め込みに与える影響について検討する。
論文参考訳（メタデータ） (2022-05-13T23:24:48Z)
Query2Prod2Vec Grounded Word Embeddings for eCommerce [4.137464623395377]
製品埋め込みにおける製品探索のための語彙表現を基礎とするモデルを提案する。ショッピングセッションを活用して、基礎となるスペースを学び、商品化アノテーションを使用して評価のための語彙的類似物を構築します。
論文参考訳（メタデータ） (2021-04-02T21:32:43Z)
Shopping in the Multiverse: A Counterfactual Approach to In-Session Attribution [6.09170287691728]
我々は,eコマースにおける現場検索エンジンのインセッション帰属の課題に対処する。我々は、この問題を因果的反事実推論と表現し、そのアプローチをルールベースのシステムと対比する。本研究では, 自然言語クエリを同じ空間で効果的に表現し, 因果的寄与を評価するために「探索介入」をどのように行うかを示す。
論文参考訳（メタデータ） (2020-07-20T13:32:02Z)

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。