論文の概要: Generate-then-Retrieve: Intent-Aware FAQ Retrieval in Product Search

• arxiv url: http://arxiv.org/abs/2306.03411v1
• Date: Tue, 6 Jun 2023 05:18:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 17:12:41.759450
• Title: Generate-then-Retrieve: Intent-Aware FAQ Retrieval in Product Search
• Title（参考訳）: Generate-then-Retrieve:製品検索におけるIntent-Aware FAQ検索
• Authors: Zhiyu Chen, Jason Choi, Besnik Fetahu, Oleg Rokhlenko, Shervin Malmasi
• Abstract要約: FAQ検索は,質問意図のあるユーザクエリに対して,共通の問合せペアを検索することを目的としている。 製品検索にFAQ検索を統合することで、ユーザーはより情報のある購入決定をすることができるだけでなく、購入後の効率的なサポートを通じてユーザーの保持を高めることができる。 本稿では,(1)ユーザの情報が必要なタイミングをFAQで予測する意図分類器,(2)クエリを自然な質問に書き換える修正モデルからなる意図認識型FAQ検索システムを提案する。
• 参考スコア（独自算出の注目度）: 20.216161323866867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Customers interacting with product search engines are increasingly formulating information-seeking queries. Frequently Asked Question (FAQ) retrieval aims to retrieve common question-answer pairs for a user query with question intent. Integrating FAQ retrieval in product search can not only empower users to make more informed purchase decisions, but also enhance user retention through efficient post-purchase support. Determining when an FAQ entry can satisfy a user's information need within product search, without disrupting their shopping experience, represents an important challenge. We propose an intent-aware FAQ retrieval system consisting of (1) an intent classifier that predicts when a user's information need can be answered by an FAQ; (2) a reformulation model that rewrites a query into a natural question. Offline evaluation demonstrates that our approach improves Hit@1 by 13% on retrieving ground-truth FAQs, while reducing latency by 95% compared to baseline systems. These improvements are further validated by real user feedback, where 71% of displayed FAQs on top of product search results received explicit positive user feedback. Overall, our findings show promising directions for integrating FAQ retrieval into product search at scale.
• Abstract（参考訳）: 製品検索エンジンと対話する顧客は、情報参照クエリを定式化している。 FAQ検索は,質問意図のあるユーザクエリに対して,共通の質問応答ペアを検索することを目的としている。 faq検索を製品検索に組み込むことで、ユーザーはよりインフォームドな購入判断を行えるだけでなく、効率的な購入後サポートによってユーザーの保持力を高めることができる。 faqエントリが商品検索におけるユーザーの情報要求をいつ満たせるかを決定することは、買い物体験を混乱させることなく、重要な課題である。 本稿では,(1)ユーザの情報が必要なタイミングをFAQで予測する意図分類器,(2)クエリを自然な質問に書き換える修正モデルからなる意図認識型FAQ検索システムを提案する。 オフライン評価の結果,Hit@1はベースラインシステムに比べて95%の遅延を低減し,基幹FAQの検索において13%改善した。 これらの改善は、製品検索結果の上に表示されたfaqの71%が明示的なポジティブなユーザーフィードバックを受けた実際のユーザーフィードバックによってさらに検証される。 総じて, FAQ検索を大規模製品検索に組み込む上で有望な方向性を示す。

関連論文リスト

• Identifying High Consideration E-Commerce Search Queries [27.209699168631445]
  本稿では,Eコマースサイトにおけるハイリフレクション(HC)クエリを識別するために,EQR(Engagement-based Query Ranking)アプローチを提案する。 EQRは、人気信号よりも、顧客の行動、財務、カタログ情報に関連するクエリレベルの特徴を優先する。 モデルは商業的にデプロイされ、ダウンストリームの顧客への影響の観点から、人間の選択したクエリよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-10-17T18:22:42Z)
• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• Identifying Shopping Intent in Product QA for Proactive Recommendations [25.30972312076997]
  我々は、eコマースの領域、すなわち買い物商品質問(SPQ)の特定に焦点を当てている。 本稿では,ユーザの購入履歴から潜伏したショッピング行動を捉え,新しいMixture-of-Experts(MoE)モデルを用いて組み合わせる機能を提案する。 我々はSPQをリアルタイムで識別し、購入した商品をショッピングリストに追加するようユーザーに推奨する。
  論文  参考訳（メタデータ） (2024-04-09T04:55:24Z)
• Estimating the Usefulness of Clarifying Questions and Answers for Conversational Search [17.0363715044341]
  本稿では,質問を明確化するための回答処理手法を提案する。 具体的には,利用者が提示した質問と回答の提示による有用性を評価するための分類器を提案する。 その結果, 強い非混合開始基線よりも顕著な改善が認められた。
  論文  参考訳（メタデータ） (2024-01-21T11:04:30Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling [62.049330405736406]
  Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。 なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。 PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-27T07:51:49Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• 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)
• An Empirical Study of Clarifying Question-Based Systems [15.767515065224016]
  実験システムをデプロイしてオンライン実験を行い、プロダクトリポジトリに対して明確な質問をすることでユーザと対話する。 暗黙的なインタラクション行動データと,ユーザからの明示的なフィードバックの両方を収集する。 (a)ユーザは,多くの明確な質問(平均11～21件)に回答する意思がありますが,それ以上は多くありません。
  論文  参考訳（メタデータ） (2020-08-01T15:10:11Z)
• Less is More: Rejecting Unreliable Reviews for Product Question Answering [20.821416803824295]
  近年の研究では、製品レビューは、リアルタイムで自動的な製品質問応答のための良い情報源であることが示されている。 本稿では、レビューを用いたPQAの回答可能性と回答信頼性の問題に焦点を当てる。 本稿では,PQAシステムの信頼性を向上させるための適合予測に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-09T03:08:55Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)

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。