論文の概要: AE-smnsMLC: Multi-Label Classification with Semantic Matching and Negative Label Sampling for Product Attribute Value Extraction

• arxiv url: http://arxiv.org/abs/2310.07137v1
• Date: Wed, 11 Oct 2023 02:22:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-13 00:44:08.595097
• Title: AE-smnsMLC: Multi-Label Classification with Semantic Matching and Negative Label Sampling for Product Attribute Value Extraction
• Title（参考訳）: AE-smnsMLC:製品属性値抽出のためのセマンティックマッチングと負ラベルサンプリングを用いたマルチラベル分類
• Authors: Zhongfen Deng, Wei-Te Chen, Lei Chen, Philip S. Yu
• Abstract要約: 商品属性値抽出は、製品検索やレコメンデーションなどのeコマースにおける多くの現実世界アプリケーションにおいて重要な役割を果たす。 以前の方法では、製品テキスト内の値の位置にもっとアノテーションを必要とするシーケンスラベリングタスクとして扱われていた。 属性値抽出のためのセマンティックマッチングと負ラベルサンプリングを用いた分類モデルを提案する。
• 参考スコア（独自算出の注目度）: 42.79022954630978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Product attribute value extraction plays an important role for many real-world applications in e-Commerce such as product search and recommendation. Previous methods treat it as a sequence labeling task that needs more annotation for position of values in the product text. This limits their application to real-world scenario in which only attribute values are weakly-annotated for each product without their position. Moreover, these methods only use product text (i.e., product title and description) and do not consider the semantic connection between the multiple attribute values of a given product and its text, which can help attribute value extraction. In this paper, we reformulate this task as a multi-label classification task that can be applied for real-world scenario in which only annotation of attribute values is available to train models (i.e., annotation of positional information of attribute values is not available). We propose a classification model with semantic matching and negative label sampling for attribute value extraction. Semantic matching aims to capture semantic interactions between attribute values of a given product and its text. Negative label sampling aims to enhance the model's ability of distinguishing similar values belonging to the same attribute. Experimental results on three subsets of a large real-world e-Commerce dataset demonstrate the effectiveness and superiority of our proposed model.
• Abstract（参考訳）: 商品属性値抽出は、製品検索やレコメンデーションなどのeコマースにおける多くの現実世界アプリケーションにおいて重要な役割を果たす。 以前の方法では、製品テキスト内の値の位置にもっとアノテーションを必要とするシーケンスラベリングタスクとして扱う。 これにより、属性値だけが位置のない各製品に対して弱アノテートされた実世界のシナリオに制限される。 さらに、これらの手法は製品テキスト(すなわち、製品タイトルと説明)のみを使用し、与えられた製品の複数の属性値とそのテキスト間の意味的関係を考慮せず、属性値の抽出に役立つ。 本稿では,属性値のアノテーションのみをトレーニングモデルに適用可能な実世界シナリオに適用可能なマルチラベル分類タスクとして,このタスクを再構成する(属性値の位置情報のアノテーションは利用できない)。 属性値抽出のための意味マッチングと負ラベルサンプリングを用いた分類モデルを提案する。 セマンティックマッチングは、ある商品の属性値とそのテキスト間の意味的相互作用をキャプチャすることを目的としている。 負ラベルサンプリングは、同じ属性に属する類似した値を識別するモデルの能力を高めることを目的としている。 実世界のeコマースデータセットの3つのサブセットに対する実験結果から,提案モデルの有効性と優位性を示した。

関連論文リスト

• EAVE: Efficient Product Attribute Value Extraction via Lightweight Sparse-layer Interaction [94.22610101608332]
  本稿では,軽量なスパース層間相互作用による効率的な製品属性値抽出(EAVE)手法を提案する。 我々は、製品コンテキストと属性を別々にエンコードするために重いエンコーダを使用します。その結果、コンテキストの非相互作用的なヘビー表現は、すべての属性に対してキャッシュされ、再利用されます。 提案手法は, コンテキストが長く, 属性数が大きい場合, 性能が中立的あるいは限界的に低下した場合に, 顕著な効率向上を実現する。
  論文  参考訳（メタデータ） (2024-06-10T23:06:38Z)
• EIVEN: Efficient Implicit Attribute Value Extraction using Multimodal LLM [52.016009472409166]
  EIVENは暗黙的な属性値抽出のためのデータおよびパラメータ効率の良い生成フレームワークである。 本稿では,モデル混同を減らすための新しい学習・比較手法を提案する。 実験の結果,EIVENは暗黙的属性値の抽出において既存の手法よりも有意に優れていることがわかった。
  論文  参考訳（メタデータ） (2024-04-13T03:15:56Z)
• Using LLMs for the Extraction and Normalization of Product Attribute Values [47.098255866050835]
  本稿では,大規模言語モデル(LLM)を用いて,製品タイトルや記述から属性値の抽出と正規化を行う可能性について検討する。 実験のために、Web Data Commons - Product Attribute Value extract (WDC-PAVE)ベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2024-03-04T15:39:59Z)
• JPAVE: A Generation and Classification-based Model for Joint Product Attribute Prediction and Value Extraction [59.94977231327573]
  JPAVEと呼ばれる値生成/分類と属性予測を備えたマルチタスク学習モデルを提案する。 我々のモデルの2つの変種は、オープンワールドとクローズドワールドのシナリオのために設計されている。 公開データセットにおける実験結果は,強いベースラインと比較して,我々のモデルが優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-07T18:36:16Z)
• A Unified Generative Approach to Product Attribute-Value Identification [6.752749933406399]
  本稿では,製品属性値識別(PAVI)タスクに対する生成的アプローチについて検討する。 我々は、予め訓練された生成モデルT5を微調整し、与えられた製品テキストから属性値対のセットをターゲットシーケンスとしてデコードする。 提案手法が既存の抽出法や分類法よりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2023-06-09T00:33:30Z)
• Multimodal Joint Attribute Prediction and Value Extraction for E-commerce Product [40.46223408546036]
  商品属性値は、カスタマサービスロボット、製品レコメンデーション、製品検索など、多くのEコマースシナリオにおいて不可欠である。 現実の世界では、製品の属性値は通常不完全であり、時間とともに変化するため、実用的な応用を著しく妨げている。 本稿では,製品属性を共同で予測し,製品イメージの助けを借りてテキスト製品記述から価値を抽出するマルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2020-09-15T15:10:51Z)
• Automatic Validation of Textual Attribute Values in E-commerce Catalog by Learning with Limited Labeled Data [61.789797281676606]
  そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。 限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。 ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
  論文  参考訳（メタデータ） (2020-06-15T21:31:05Z)

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。