論文の概要: A Usage-centric Take on Intent Understanding in E-Commerce
- arxiv url: http://arxiv.org/abs/2402.14901v1
- Date: Thu, 22 Feb 2024 18:09:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-26 16:37:49.105105
- Title: A Usage-centric Take on Intent Understanding in E-Commerce
- Title(参考訳): 電子商取引におけるインテント理解の活用を中心に
- Authors: Wendi Zhou, Tianyi Li, Pavlos Vougiouklis, Mark Steedman, Jeff Z. Pan
- Abstract要約: 私たちは、“顧客が製品を使う方法”として、述語的ユーザ意図に注目します。
FolkScopeの2つの弱点、SOTA E-Commerce Knowledge Graphは、ユーザ意図を推論する能力を制限する。
- 参考スコア(独自算出の注目度): 22.15241423379233
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Identifying and understanding user intents is a pivotal task for E-Commerce.
Despite its popularity, intent understanding has not been consistently defined
or accurately benchmarked. In this paper, we focus on predicative user intents
as "how a customer uses a product", and pose intent understanding as a natural
language reasoning task, independent of product ontologies. We identify two
weaknesses of FolkScope, the SOTA E-Commerce Intent Knowledge Graph, that limit
its capacity to reason about user intents and to recommend diverse useful
products. Following these observations, we introduce a Product Recovery
Benchmark including a novel evaluation framework and an example dataset. We
further validate the above FolkScope weaknesses on this benchmark.
- Abstract(参考訳): ユーザ意図の特定と理解はEコマースにとって重要なタスクです。
その人気にもかかわらず、意図の理解は一貫して定義されていない。
本稿では,ユーザ意図を「顧客が製品をどのように利用するか」と表現することに焦点を当て,製品オントロジーによらず自然言語推論タスクとして意図を理解する。
FolkScopeの2つの弱点、SOTA E-Commerce Intent Knowledge Graphは、ユーザ意図を推論し、多様な有用な製品を推奨する能力を制限する。
これらの観察に続いて,新しい評価フレームワークとサンプルデータセットを含む製品回復ベンチマークを紹介する。
このベンチマークでは、上記のFolkScopeの弱点をさらに検証する。
関連論文リスト
- Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。
UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。
UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
論文 参考訳(メタデータ) (2024-02-26T20:09:44Z) - An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳(メタデータ) (2024-02-03T20:50:48Z) - Knowledge-grounded Natural Language Recommendation Explanation [11.58207109487333]
自然言語の説明可能なレコメンデーションに対する知識グラフ(KG)アプローチを提案する。
提案手法は,新しいコラボレーティブフィルタリングに基づくKG表現により,ユーザイテムの特徴を引き出す。
実験結果から,提案手法は,従来の自然言語説明推薦モデルよりも一貫して優れていたことが示唆された。
論文 参考訳(メタデータ) (2023-08-30T07:36:12Z) - Exploiting Rich Textual User-Product Context for Improving Sentiment
Analysis [21.840121866597563]
本稿では,同じユーザ/製品に属する履歴レビューを明示的に活用して表現を初期化する手法を提案する。
IMDb、Yelp-2013、Yelp-2014ベンチマークの実験は、我々のアプローチがこれまでの最先端よりも大幅に優れていることを示している。
論文 参考訳(メタデータ) (2022-12-17T14:57:52Z) - FolkScope: Intention Knowledge Graph Construction for E-commerce
Commonsense Discovery [36.05123266221752]
FolkScopeは、アイテムの購入に関する人間の心の構造を明らかにするためのフレームワークである。
我々はeコマース固有のプロンプトを通じて意図的なアサーションを生成する。
サンプル意図の妥当性と典型性ラベルをトレーニングデータとしてアノテートする。
論文 参考訳(メタデータ) (2022-11-15T17:20:40Z) - Proactive Detractor Detection Framework Based on Message-Wise Sentiment
Analysis Over Customer Support Interactions [60.87845704495664]
本稿では、チャットベースのカスタマーサポートのインタラクションにのみ依存して、個々のユーザの推薦決定を予測するフレームワークを提案する。
ケーススタディでは、ラテンアメリカの大手電子商取引会社の金融分野における16.4kのユーザ数と48.7kの顧客サポートに関する会話を分析した。
以上の結果から,CS会話のメッセージワイドな感情進化のみに基づいて,ユーザが製品やサービスを推薦する可能性を予測することが可能であることが示唆された。
論文 参考訳(メタデータ) (2022-11-08T00:43:36Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳(メタデータ) (2021-11-11T05:36:39Z) - 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) - E-commerce Query-based Generation based on User Review [1.484852576248587]
本稿では,従来のユーザによるレビューに基づいて,ユーザの質問に対する回答を生成するための新しいセク2seqベースのテキスト生成モデルを提案する。
ユーザの質問や感情の極性が与えられた場合,関心事の側面を抽出し,過去のユーザレビューを要約した回答を生成する。
論文 参考訳(メタデータ) (2020-11-11T04:58:31Z) - E-BERT: A Phrase and Product Knowledge Enhanced Language Model for
E-commerce [63.333860695727424]
電子商取引タスクは、ドメインフレーズの正確な理解を必要とするが、そのようなきめ細かいフレーズレベルの知識は、BERTの訓練目的によって明示的にモデル化されていない。
この問題に対処するため、我々はE-BERTという統合事前学習フレームワークを提案する。
具体的には、フレーズレベルの知識を保存するために、適応的ハイブリッドマスキングを導入し、モデルが予備単語の知識から複雑なフレーズの学習に適応的に切り替えることを可能にする。
製品レベルの知識を活用するために,E-BERT を訓練し,製品に付随する隣人を認知的なクロスアテンション層で予測するNighbor Product Restruction を導入する。
論文 参考訳(メタデータ) (2020-09-07T00:15:36Z) - Meta-Learning with Context-Agnostic Initialisations [86.47040878540139]
メタ学習プロセスにコンテキスト・逆成分を導入する。
これにより、コンテキストに依存しないタスクを一般化したターゲットへの微調整の初期化が実現される。
我々は,3つのメタ学習アルゴリズムと2つの問題に対するアプローチを評価した。
論文 参考訳(メタデータ) (2020-07-29T08:08:38Z)
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。