論文の概要: A Usage-centric Take on Intent Understanding in E-Commerce

• arxiv url: http://arxiv.org/abs/2402.14901v2
• Date: Mon, 07 Oct 2024 16:38:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-08 13:43:08.043719
• 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リジェンス・インテリジェンス・インテリジェンス
• 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 Intent Graphを特定します。 ユーザ意図を最も望ましい特性を持つ製品と強く結びつける能力を制限する。
• 参考スコア（独自算出の注目度）: 20.648271216249977
• License:
• Abstract: Identifying and understanding user intents is a pivotal task for E-Commerce. Despite its essential role in product recommendation and business user profiling analysis, 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: category-rigidity and property-ambiguity. They limit its ability to strongly align user intents with products having the most desirable property, and to recommend useful products across diverse categories. Following these observations, we introduce a Product Recovery Benchmark featuring a novel evaluation framework and an example dataset. We further validate the above FolkScope weaknesses on this benchmark. Our code and dataset are available at https://github.com/stayones/Usgae-Centric-Intent-Understanding.
• 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。 製品レコメンデーションやビジネスユーザプロファイリング分析において重要な役割を担っているにもかかわらず、インテントの理解は一貫して定義されておらず、正確なベンチマークも行われていない。 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: category-rigidityと property-ambiguityを識別する。 ユーザ意図を最も望ましい特性を持つ製品と強く整合させ、さまざまなカテゴリにまたがって有用な製品を推薦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備えた製品回復ベンチマークを導入する。 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。 コードとデータセットはhttps://github.com/stayones/Usgae-Centric-Intent-Understandingで公開しています。

関連論文リスト

• Centrality-aware Product Retrieval and Ranking [14.710718676076327]
  本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。 本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-21T11:59:14Z)
• Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
  スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。 我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。 我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
  論文  参考訳（メタデータ） (2024-09-23T12:28:40Z)
• IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
  本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。 インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。 人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
  論文  参考訳（メタデータ） (2024-06-14T16:51:21Z)
• Guiding Catalogue Enrichment with User Queries [8.435621679543464]
  我々は、豊かなデータポイントを特定し、汎用的なKGを用いてパフォーマンスの利点を示す直感を示す。 本手法は2つの人気のある百科事典KG, DBPedia と YAGO 4 について検討した。
  論文  参考訳（メタデータ） (2024-06-11T09:38:46Z)
• 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)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• 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)
• COOKIE: A Dataset for Conversational Recommendation over Knowledge Graphs in E-commerce [64.95907840457471]
  我々は,COOKIEと呼ばれる電子商取引プラットフォームにおける知識グラフに対する対話的推薦のための新しいデータセットを提案する。 データセットはAmazonのレビューコーパスから構築され、ユーザエージェント対話とカスタムナレッジグラフを統合してレコメンデーションする。
  論文  参考訳（メタデータ） (2020-08-21T00:11:31Z)
• 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。