論文の概要: Robust Interaction-Based Relevance Modeling for Online e-Commerce Search

• arxiv url: http://arxiv.org/abs/2406.02135v2
• Date: Wed, 25 Sep 2024 14:00:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-09 01:56:09.692332
• Title: Robust Interaction-Based Relevance Modeling for Online e-Commerce Search
• Title（参考訳）: オンラインeコマース検索におけるロバストインタラクションに基づく関連性モデリング
• Authors: Ben Chen, Huangyu Dai, Xiang Ma, Wen Jiang, Wei Ning,
• Abstract要約: 従来のテキストマッチング技術は、検索意図のニュアンスを正確に捉えることができない。 このような欠点に対処するために、ロバストなインタラクションベースのモデリングパラダイムを導入します。 我々の知る限りでは、この手法は大規模なeコマース検索関連性計算のための対話に基づく最初のアプローチである。
• 参考スコア（独自算出の注目度）: 8.499253194630665
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic relevance calculation is crucial for e-commerce search engines, as it ensures that the items selected closely align with customer intent. Inadequate attention to this aspect can detrimentally affect user experience and engagement. Traditional text-matching techniques are prevalent but often fail to capture the nuances of search intent accurately, so neural networks now have become a preferred solution to processing such complex text matching. Existing methods predominantly employ representation-based architectures, which strike a balance between high traffic capacity and low latency. However, they exhibit significant shortcomings in generalization and robustness when compared to interaction-based architectures. In this work, we introduce a robust interaction-based modeling paradigm to address these shortcomings. It encompasses 1) a dynamic length representation scheme for expedited inference, 2) a professional terms recognition method to identify subjects and core attributes from complex sentence structures, and 3) a contrastive adversarial training protocol to bolster the model's robustness and matching capabilities. Extensive offline evaluations demonstrate the superior robustness and effectiveness of our approach, and online A/B testing confirms its ability to improve relevance in the same exposure position, resulting in more clicks and conversions. To the best of our knowledge, this method is the first interaction-based approach for large e-commerce search relevance calculation. Notably, we have deployed it for the entire search traffic on alibaba.com, the largest B2B e-commerce platform in the world.
• Abstract（参考訳）: セマンティックな関連性計算はeコマース検索エンジンにとって重要であり、選択した項目が顧客の意図と密接に一致していることを保証する。 この側面に対する不適切な注意は、ユーザエクスペリエンスとエンゲージメントに有害な影響を与える可能性がある。 従来のテキストマッチング技術は一般的であるが、しばしば検索意図のニュアンスを正確に捉えることができないため、ニューラルネットワークはそのような複雑なテキストマッチングを処理するための好ましいソリューションとなっている。 既存の手法は主に表現に基づくアーキテクチャを採用しており、これは高トラフィック容量と低レイテンシのバランスをとる。 しかし、それらは相互作用ベースのアーキテクチャと比較して、一般化と堅牢性において重大な欠点を示す。 本稿では,これらの欠点に対処するために,ロバストな相互作用に基づくモデリングパラダイムを導入する。 包含する 1) 高速推論のための動的長さ表現方式 2)複雑な文構造から主題と中核属性を識別する専門用語認識方法 3)モデルの堅牢性と整合性を高めるための対照的な敵トレーニングプロトコル。 大規模なオフライン評価は、我々のアプローチの堅牢性と有効性を示し、オンラインA/Bテストは、同じ露出位置における関連性を改善する能力を確認し、より多くのクリックと変換をもたらす。 我々の知る限りでは、この手法は大規模なeコマース検索関連性計算のための対話に基づく最初のアプローチである。 Alibaba.comは世界最大のB2B電子商取引プラットフォームだ。

関連論文リスト

• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Deep Bag-of-Words Model: An Efficient and Interpretable Relevance Architecture for Chinese E-Commerce [31.076432176267335]
  我々は,中国のeコマースにおける効率的かつ解釈可能な関連アーキテクチャであるディープバグ・オブ・ワード(DeepBoW)モデルを提案する。 提案手法は,単語重対の集合であるスパースBoW表現に問合せと積を符号化することである。 関連スコアは、クエリと製品とのスパースBoW表現間の一致した単語の蓄積によって測定される。
  論文  参考訳（メタデータ） (2024-07-12T16:18:05Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• 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)
• Contrastive Cross-Modal Knowledge Sharing Pre-training for Vision-Language Representation Learning and Retrieval [12.30468719055037]
  コントラスト型クロスモーダル知識共有事前学習(COOKIE)を開発した。 最初のモジュールはウェイトシェアリングトランスフォーマーで、ビジュアルエンコーダとテキストエンコーダの頭の上に構築されている。 もう1つは、異なるモデル間で知識を共有することを目的として、特別に設計された3つの対照的な学習である。
  論文  参考訳（メタデータ） (2022-07-02T04:08:44Z)
• Retrieve Fast, Rerank Smart: Cooperative and Joint Approaches for Improved Cross-Modal Retrieval [80.35589927511667]
  画像中のすべての単語やオブジェクトに係わるクロスアテンション機構を備えたTransformerベースのアーキテクチャを頼りに、クロスモーダル検索プロセスのテキストとビジュアルインプットへの最先端のアプローチ。 事前学習したテキスト画像のマルチモーダルモデルを効率的な検索モデルに変換する新しい微調整フレームワークを提案する。 我々は,モノリンガル,マルチリンガル,ゼロショットにおける一連の標準クロスモーダル検索ベンチマーク実験を行い,最先端クロスエンコーダに対する精度向上と大幅な効率向上を実証した。
  論文  参考訳（メタデータ） (2021-03-22T15:08:06Z)
• Heterogeneous Network Embedding for Deep Semantic Relevance Match in E-commerce Search [29.881612817309716]
  Eコマースアイテム関連性のためのエンドツーエンドの第一次および第二次関連性予測モデルを設計します。 BERTから生成された外部知識を導入し,ユーザ行動のネットワークを改良する。 オフライン実験の結果,新しいモデルにより,人間関係判定における予測精度が有意に向上した。
  論文  参考訳（メタデータ） (2021-01-13T03:12:53Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。