Fugu-MT 論文翻訳(概要): Semantic In-Domain Product Identification for Search Queries

論文の概要: Semantic In-Domain Product Identification for Search Queries

arxiv url: http://arxiv.org/abs/2404.09091v1
Date: Sat, 13 Apr 2024 22:18:14 GMT
ステータス: 処理完了
システム内更新日: 2024-04-16 17:24:26.004411
Title: Semantic In-Domain Product Identification for Search Queries
Title（参考訳）: 検索クエリのセマンティックなドメイン内商品識別
Authors: Sanat Sharma, Jayant Kumar, Twisha Naik, Zhaoyu Lu, Arvind Srikantan, Tracy Holloway King,
Abstract要約: 本稿では,ユーザ行動データからプロダクトをトレーニングするための新しいアプローチを提案する。我々のモデルでは、デプロイされた表面をクリックしてCTRが25%向上した。アプリカードの2倍の増加は、製品の可視性を高めるのに役立つ。
参考スコア（独自算出の注目度）: 2.7928129221724665
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate explicit and implicit product identification in search queries is critical for enhancing user experiences, especially at a company like Adobe which has over 50 products and covers queries across hundreds of tools. In this work, we present a novel approach to training a product classifier from user behavioral data. Our semantic model led to >25% relative improvement in CTR (click through rate) across the deployed surfaces; a >50% decrease in null rate; a 2x increase in the app cards surfaced, which helps drive product visibility.
Abstract（参考訳）: 検索クエリにおける正確な製品識別と暗黙の製品識別は、特にAdobeのような50以上の製品を持ち、数百のツールにまたがるクエリをカバーしている企業において、ユーザーエクスペリエンスの向上に不可欠である。本研究では,ユーザ行動データから製品分類器を学習するための新しい手法を提案する。私たちのセマンティックモデルでは、デプロイされた表面におけるCTRの相対的な改善(クリックスルーレート)が25%以上、ヌルレートが50%以上減少し、アプリカードが2倍増加し、製品の可視性が向上しました。

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)
ProductAgent: Benchmarking Conversational Product Search Agent with Asking Clarification Questions [68.81939215223818]
ProductAgentは,戦略的明確化質問生成機能と動的製品検索機能を備えた対話情報探索エージェントである。我々は,製品特徴の要約,クエリ生成,製品検索のための戦略を持ったエージェントを開発する。実験の結果,ProductAgentはユーザとポジティブに対話し,対話のターンの増加に伴う検索性能の向上を図っている。
論文参考訳（メタデータ） (2024-07-01T03:50:23Z)
Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。 FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。 FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文参考訳（メタデータ） (2023-12-23T03:28:18Z)
Enhanced E-Commerce Attribute Extraction: Innovating with Decorative Relation Correction and LLAMA 2.0-Based Annotation [4.81846973621209]
本稿では,分類のためのBERT,属性値抽出のための条件付きランダムフィールド(CRF)層,データアノテーションのための大規模言語モデル(LLM)を統合した先駆的フレームワークを提案する。提案手法は, CRFのシーケンス復号技術と相乗化したBERTの頑健な表現学習を利用して, 属性値の同定と抽出を行う。私たちの方法論は、Walmart、BestBuyのEコマースNERデータセット、CoNLLデータセットなど、さまざまなデータセットで厳格に検証されています。
論文参考訳（メタデータ） (2023-12-09T08:26:30Z)
ExtractGPT: Exploring the Potential of Large Language Models for Product Attribute Value Extraction [52.14681890859275]
電子商取引プラットフォームは、属性と値のペアという形で構造化された製品データを必要とする。 BERTベースの抽出法では,タスク固有の大量のトレーニングデータを必要とする。本稿では,大規模言語モデル (LLM) を,より訓練的かつ堅牢な代替手段として活用することを検討する。
論文参考訳（メタデータ） (2023-10-19T07:39:00Z)
Product Information Extraction using ChatGPT [69.12244027050454]
本稿では,製品記述から属性/値対を抽出するChatGPTの可能性について検討する。以上の結果から,ChatGPTは事前学習した言語モデルに類似した性能を達成できるが,微調整を行うにはトレーニングデータや計算処理がはるかに少ないことが示唆された。
論文参考訳（メタデータ） (2023-06-23T09:30:01Z)
Boost CTR Prediction for New Advertisements via Modeling Visual Content [55.11267821243347]
広告の視覚的内容を利用してCTR予測モデルの性能を向上させる。過去に蓄積された履歴的ユーザ・アドインタラクションに基づいて,各ビジュアルIDの埋め込みを学習する。 Baiduオンライン広告のCTR予測モデルにビジュアルIDを埋め込んだ後、広告の平均CTRは1.46%改善し、総料金は1.10%増加した。
論文参考訳（メタデータ） (2022-09-23T17:08:54Z)
An Embedding-Based Grocery Search Model at Instacart [8.812876584016244]
Instacartにおける食料品検索のための埋め込み型モデルを提案する。このシステムは、2tower変換器ベースのエンコーダアーキテクチャを用いてクエリと製品表現を学習する。組込み型検索モデルの訓練と展開方法を示し,提案手法の有効性を詳細に分析する。
論文参考訳（メタデータ） (2022-09-12T19:15:01Z)
Unitail: Detecting, Reading, and Matching in Retail Scene [37.1516435926562]
製品に関する基本的な視覚的タスクのベンチマークであるUnited Retailデータセットを紹介します。 1.8Mの四角形のインスタンスで、Unitailは製品の外観をより良く調整するための検出データセットを提供する。また、1454の製品カテゴリ、30kのテキストリージョン、21kの転写を含むギャラリースタイルのOCRデータセットも提供する。
論文参考訳（メタデータ） (2022-04-01T09:06:48Z)
Extreme Multi-label Learning for Semantic Matching in Product Search [41.66238191444171]
顧客クエリが与えられたら、1億以上の巨大なカタログから、すべてのセマンティック関連製品を取得する。高速リアルタイム推論のためのn-gram特徴を持つ階層線形モデルを考える。提案手法では,クエリ毎1.25ミリ秒の低レイテンシを維持し,Recall@100の65%の改善を実現している。
論文参考訳（メタデータ） (2021-06-23T21:16:52Z)

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。