Fugu-MT 論文翻訳(概要): Seasonality Based Reranking of E-commerce Autocomplete Using Natural Language Queries

論文の概要: Seasonality Based Reranking of E-commerce Autocomplete Using Natural Language Queries

arxiv url: http://arxiv.org/abs/2308.02055v1
Date: Thu, 3 Aug 2023 21:14:25 GMT
ステータス: 処理完了
システム内更新日: 2023-08-07 14:33:10.507429
Title: Seasonality Based Reranking of E-commerce Autocomplete Using Natural Language Queries
Title（参考訳）: 自然言語クエリを用いたeコマースオートコンプリートの評価
Authors: Prateek Verma, Shan Zhong, Xiaoyu Liu and Adithya Rajan
Abstract要約: クエリオートコンプリート(QAC)はTypeaheadとしても知られ、検索ボックス内のユーザタイププレフィックスとして完全なクエリのリストを提案する。 typeaheadの目標のひとつは、季節的に重要なユーザに対して、関連するクエリを提案することだ。本稿では,ニューラルネットワークに基づく自然言語処理(NLP)アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 15.37457156804212
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Query autocomplete (QAC) also known as typeahead, suggests list of complete queries as user types prefix in the search box. It is one of the key features of modern search engines specially in e-commerce. One of the goals of typeahead is to suggest relevant queries to users which are seasonally important. In this paper we propose a neural network based natural language processing (NLP) algorithm to incorporate seasonality as a signal and present end to end evaluation of the QAC ranking model. Incorporating seasonality into autocomplete ranking model can improve autocomplete relevance and business metric.
Abstract（参考訳）: Query autocomplete (QAC) はTypeaheadとしても知られ、検索ボックス内のユーザタイププレフィックスとして完全なクエリのリストを提案する。これは、電子商取引を専門とする現代検索エンジンの重要な特徴の1つだ。 typeaheadの目標のひとつは,季節的に重要なユーザに対して,関連するクエリを提案することだ。本稿では,季節性を信号として取り入れ,qacランキングモデルのエンドツーエンド評価を行うニューラルネットワークに基づく自然言語処理(nlp)アルゴリズムを提案する。季節性をオートコンプリートランキングモデルに組み込むことで、オートコンプリート関連性とビジネスメトリクスを改善することができる。

関連論文リスト

Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
論文参考訳（メタデータ） (2024-05-31T20:15:10Z)
Sequential Decision-Making for Inline Text Autocomplete [14.83046358936405]
テキスト入力システムにおけるインラインオートコンプリート提案の改善問題について検討する。我々は、強化学習を用いて、ターゲットユーザとの繰り返しインタラクションを通じて提案ポリシーを学習する。
論文参考訳（メタデータ） (2024-03-21T22:33:16Z)
Search Intenion Network for Personalized Query Auto-Completion in E-Commerce [23.839760520476744]
QACシステムは2つの大きな課題に直面している: 1)意図的同型性(IE): ユーザのタイピングプロセスの間、プレフィックスは文字とサブワードの組み合わせを含むことが多く、現在の意図が曖昧でモデル化が難しい。過去の作業では、ユーザの履歴シーケンスに基づいてパーソナライズされたレコメンデーションが作成されていたが、検索意図の移動は無視されている。
論文参考訳（メタデータ） (2024-03-05T02:53:24Z)
Improving Text Matching in E-Commerce Search with A Rationalizable, Intervenable and Fast Entity-Based Relevance Model [78.80174696043021]
エンティティベース関連モデル(EBRM)と呼ばれる新しいモデルを提案する。この分解により、高精度にクロスエンコーダQE関連モジュールを使用できる。また、ユーザログから自動生成されたQEデータによるQEモジュールの事前トレーニングにより、全体的なパフォーマンスが向上することを示す。
論文参考訳（メタデータ） (2023-07-01T15:44:53Z)
Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文参考訳（メタデータ） (2023-05-08T21:48:17Z)
Online Learning of Optimally Diverse Rankings [63.62764375279861]
ユーザのフィードバックのみに基づいて最適なリストを効率よく学習するアルゴリズムを提案する。我々は、$T$クエリの後に、LDRの後悔は$O((N-L)log(T))$としてスケールする。
論文参考訳（メタデータ） (2021-09-13T12:13:20Z)
Deep Pairwise Learning To Rank For Search Autocomplete [4.8371021653616975]
本稿では,文脈認識型ニューラルネットワークを用いたペアワイドランキングシステムを提案し,オートコンプリートランキングを改善する。 Lambdaローダと比較して、DeepPLTRはオフライン評価で+3.90%のMeanReciprocalRank(MRR)リフトを示し、AmazonのオンラインA/B実験で+0.06%(p 0.1)のGross Merchandise Value(GMV)リフトを得た。
論文参考訳（メタデータ） (2021-08-11T00:33:18Z)
Query Rewriting via Cycle-Consistent Translation for E-Commerce Search [13.723266150864037]
本稿では,新しいディープニューラルネットワークによる問合せ書き換え手法を提案する。繰り返し機械翻訳問題にクエリ書き換えを定式化します。最新の機械翻訳モデルと連動した、新しいサイクル整合性トレーニングアルゴリズムを紹介します。
論文参考訳（メタデータ） (2021-03-01T06:47:12Z)
Get It Scored Using AutoSAS -- An Automated System for Scoring Short Answers [63.835172924290326]
SAS(Automatic Short Answer Scoring)への高速でスケーラブルで正確なアプローチを提示します。 SASのためのシステム、すなわちAutoSASの設計と開発を提案し、説明します。 AutoSASは最先端のパフォーマンスを示し、いくつかの質問のプロンプトで8%以上良い結果が得られる。
論文参考訳（メタデータ） (2020-12-21T10:47:30Z)
Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
論文参考訳（メタデータ） (2020-12-09T17:56:22Z)
Deep Search Query Intent Understanding [17.79430887321982]
本稿では,検索の異なる段階における問合せ意図をモデル化するための総合的な学習フレームワークの提供を目的とする。我々は,1) 文字レベルモデルを用いたタイプアヘッド検索において,入力したユーザの意図をオンザフライで予測すること,2) 完全クエリのための正確な単語レベルの意図予測モデルに焦点をあてる。
論文参考訳（メタデータ） (2020-08-15T18:19:56Z)

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。