論文の概要: Bridging the Gap Between Information Seeking and Product Search Systems: Q&A Recommendation for E-commerce

• arxiv url: http://arxiv.org/abs/2407.09653v1
• Date: Fri, 12 Jul 2024 19:22:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 21:28:05.269009
• Title: Bridging the Gap Between Information Seeking and Product Search Systems: Q&A Recommendation for E-commerce
• Title（参考訳）: 情報検索と製品検索のギャップを埋める:eコマースへのQ&A勧告
• Authors: Saar Kuzi, Shervin Malmasi,
• Abstract要約: 我々は,製品検索に関連する質問応答(Q&A)ペアを推薦し,購入決定を支援することを提案する。 我々は、この新興分野における今後の研究を促進するための課題、オープンな課題、そして解決策を提案する。
• 参考スコア（独自算出の注目度）: 12.26798892996023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Consumers on a shopping mission often leverage both product search and information seeking systems, such as web search engines and Question Answering (QA) systems, in an iterative process to improve their understanding of available products and reach a purchase decision. While product search is useful for shoppers to find the actual products meeting their requirements in the catalog, information seeking systems can be utilized to answer any questions they may have to refine those requirements. The recent success of Large Language Models (LLMs) has opened up an opportunity to bridge the gap between the two tasks to help customers achieve their goals quickly and effectively by integrating conversational QA within product search. In this paper, we propose to recommend users Question-Answer (Q&A) pairs that are relevant to their product search and can help them make a purchase decision. We discuss the different aspects of the problem including the requirements and characteristics of the Q&A pairs, their generation, and the optimization of the Q&A recommendation task. We highlight the challenges, open problems, and suggested solutions to encourage future research in this emerging area.
• Abstract（参考訳）: ショッピングミッションの消費者は、商品の理解を深め、購入決定に達するための反復的なプロセスにおいて、Web検索エンジンや質問回答(QA)システムのような製品検索と情報検索システムの両方を利用することが多い。 商品検索は、購入者が自分の要求を満たす実際の商品をカタログで見つけるのに有用であるが、情報検索システムは、それらの要求を洗練させるために必要なあらゆる質問に答えるために利用することができる。 最近、LLM(Large Language Models)の成功により、顧客が目標を迅速に効果的に達成するための2つのタスク間のギャップを埋める機会が開かれた。 本稿では,ユーザに対して,製品検索に関連する質問応答(Q&A)ペアを推薦し,購入決定を支援することを提案する。 本稿では、Q&Aペアの要件と特性、その生成、Q&Aレコメンデーションタスクの最適化など、問題のさまざまな側面について論じる。 我々は、この新興分野における今後の研究を促進するための課題、オープンな課題、そして解決策を提案する。

関連論文リスト

• KaPQA: Knowledge-Augmented Product Question-Answering [59.096607961704656]
  我々はAdobe AcrobatとPhotoshop製品に焦点を当てた2つのQAデータセットを紹介した。 また、製品QAタスクにおけるモデルの性能を高めるために、新しい知識駆動型RAG-QAフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-22T22:14:56Z)
• 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)
• Identifying Shopping Intent in Product QA for Proactive Recommendations [25.30972312076997]
  我々は、eコマースの領域、すなわち買い物商品質問(SPQ)の特定に焦点を当てている。 本稿では,ユーザの購入履歴から潜伏したショッピング行動を捉え,新しいMixture-of-Experts(MoE)モデルを用いて組み合わせる機能を提案する。 我々はSPQをリアルタイムで識別し、購入した商品をショッピングリストに追加するようユーザーに推奨する。
  論文  参考訳（メタデータ） (2024-04-09T04:55:24Z)
• Instant Answering in E-Commerce Buyer-Seller Messaging using Message-to-Question Reformulation [26.593137126739308]
  我々は,ドメイン固有の質問回答システム(QA)を用いて,販売者に対する購入者の問い合わせを自動化することを目指している。 M2Qは、メッセージから最も健全な情報を識別して抽出することで、購入者のメッセージを簡潔な質問に再構成する。 ライブ配信は、自動回答によって、売り手が年間数百万のメッセージに手動で応答するのを防ぐことを示している。
  論文  参考訳（メタデータ） (2024-01-18T08:09:27Z)
• Generate-then-Retrieve: Intent-Aware FAQ Retrieval in Product Search [20.216161323866867]
  FAQ検索は,質問意図のあるユーザクエリに対して,共通の問合せペアを検索することを目的としている。 製品検索にFAQ検索を統合することで、ユーザーはより情報のある購入決定をすることができるだけでなく、購入後の効率的なサポートを通じてユーザーの保持を高めることができる。 本稿では,(1)ユーザの情報が必要なタイミングをFAQで予測する意図分類器,(2)クエリを自然な質問に書き換える修正モデルからなる意図認識型FAQ検索システムを提案する。
  論文  参考訳（メタデータ） (2023-06-06T05:18:21Z)
• Que2Engage: Embedding-based Retrieval for Relevant and Engaging Products at Facebook Marketplace [15.054431410052851]
  Que2Engageは、エンドツーエンド最適化のための検索とランキングのギャップを埋めるために構築された検索用EBRシステムである。 提案手法の有効性を,マルチタスク評価フレームワークと徹底的なベースライン比較およびアブレーション研究を通じて示す。
  論文  参考訳（メタデータ） (2023-02-21T23:10:16Z)
• Product Question Answering in E-Commerce: A Survey [43.12949215659755]
  製品質問応答(PQA)は、Eコマースプラットフォームにおける顧客の質問に対する即時応答を自動で提供することを目的としている。 PQAは、ユーザ生成コンテンツの主観性と信頼性など、ユニークな課題を示す。 本稿では,PQAに関する既存の研究成果を体系的にレビューする。
  論文  参考訳（メタデータ） (2023-02-16T05:09:41Z)
• NoiseQA: Challenge Set Evaluation for User-Centric Question Answering [68.67783808426292]
  応答エンジンに先立つパイプライン内のコンポーネントが,多種多様なエラーの原因を発生させることができることを示す。 我々は、QAシステムが効果的にデプロイされる前に、進歩の余地がかなりあると結論付けている。
  論文  参考訳（メタデータ） (2021-02-16T18:35:29Z)
• On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
  自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。 現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。 問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
  論文  参考訳（メタデータ） (2020-07-09T19:22:00Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)

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。