論文の概要: What should I wear to a party in a Greek taverna? Evaluation for Conversational Agents in the Fashion Domain
- arxiv url: http://arxiv.org/abs/2408.08907v1
- Date: Tue, 13 Aug 2024 11:11:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 23:35:59.102445
- Title: What should I wear to a party in a Greek taverna? Evaluation for Conversational Agents in the Fashion Domain
- Title（参考訳）: ギリシャの酒場でパーティーに何を着るべきか : ファッションドメインにおける会話エージェントの評価
- Authors: Antonis Maronikolakis, Ana Peleteiro Ramallo, Weiwei Cheng, Thomas Kober,
- Abstract要約: 大型言語モデル(LLM)は、オンラインファッション小売の領域に革命をもたらす可能性がある。
我々は、大規模なeコマースファッションプラットフォームにおいて、顧客とファッションアシスタントとの間の4K会話の多言語評価データセットを作成します。
- 参考スコア（独自算出の注目度）: 1.6549387146138885
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large language models (LLMs) are poised to revolutionize the domain of online fashion retail, enhancing customer experience and discovery of fashion online. LLM-powered conversational agents introduce a new way of discovery by directly interacting with customers, enabling them to express in their own ways, refine their needs, obtain fashion and shopping advice that is relevant to their taste and intent. For many tasks in e-commerce, such as finding a specific product, conversational agents need to convert their interactions with a customer to a specific call to different backend systems, e.g., a search system to showcase a relevant set of products. Therefore, evaluating the capabilities of LLMs to perform those tasks related to calling other services is vital. However, those evaluations are generally complex, due to the lack of relevant and high quality datasets, and do not align seamlessly with business needs, amongst others. To this end, we created a multilingual evaluation dataset of 4k conversations between customers and a fashion assistant in a large e-commerce fashion platform to measure the capabilities of LLMs to serve as an assistant between customers and a backend engine. We evaluate a range of models, showcasing how our dataset scales to business needs and facilitates iterative development of tools.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、オンラインファッション小売の領域に革命をもたらし、顧客の体験を高め、ファッションの発見をオンラインで行う。
LLMを利用した会話エージェントは、顧客と直接対話することで新たな発見方法を導入し、顧客自身の方法で表現し、ニーズを洗練し、好みや意図に関連するファッションやショッピングのアドバイスを得ることを可能にする。
特定の製品を見つけるなど、eコマースにおける多くのタスクにおいて、会話エージェントは顧客とのインタラクションを異なるバックエンドシステムへの特定の呼び出しに変換する必要がある。
したがって、LLMが他のサービスを呼び出すことに関連するタスクを実行する能力を評価することは不可欠である。
しかしながら、これらの評価は、関連性があり高品質なデータセットが欠如しているため、一般的には複雑であり、ビジネスニーズとシームレスに一致しない。
この目的のために,大規模なeコマースファッションプラットフォームにおいて,顧客とファッションアシスタントとの4k会話の多言語評価データセットを作成し,顧客とバックエンドエンジン間のアシスタントとして機能するLLMの能力を測定した。
さまざまなモデルを評価し、私たちのデータセットがビジネスニーズにどのようにスケールするかを示し、ツールの反復的な開発を促進する。
関連論文リスト
- Learning to Ask: Conversational Product Search via Representation Learning [34.689904564411506]
本研究では,対話型商品検索モデルであるConvPSを提案する。
このモデルはまず、ユーザ、クエリ、アイテム、会話のセマンティック表現を共同で学習するように訓練されている。
提案したConvPSモデルは,ユーザ,クエリ,アイテム,会話の表現学習を統合された生成フレームワークに統合することができる。
論文 参考訳（メタデータ） (2024-11-18T14:05:43Z) - Retrieval-Augmented Personalization for Multimodal Large Language Models [53.304699445700926]
本稿では,MLLMのパーソナライズのためのRAP(Retrieval Augmented Personalization)フレームワークを紹介する。
RAPは、外部データベースを更新することで、リアルタイムの概念編集を可能にする。
RAP-MLLMは、追加の微調整なしで無限の視覚概念に一般化することができる。
論文 参考訳（メタデータ） (2024-10-17T09:10:26Z) - ConvKGYarn: Spinning Configurable and Scalable Conversational Knowledge Graph QA datasets with Large Language Models [47.27645876623092]
本稿では、最新のKGQAデータセットを生成するスケーラブルな方法であるConvKGYarnを提案する。
同じKGファクトセットに異なる構成を持つ会話型KGQA集合のモデル挙動を探索する。
論文 参考訳（メタデータ） (2024-08-12T06:48:43Z) - Facilitating Multi-Role and Multi-Behavior Collaboration of Large Language Models for Online Job Seeking and Recruiting [51.54907796704785]
既存の手法は履歴書とジョブ記述の潜在意味論をモデル化し、それらの間に一致する関数を学習することに依存している。
大規模言語モデル (LLM) の強力なロールプレイング能力に触発されて, LLM によるインタビュアーと候補者のモックインタビュープロセスを導入することを提案する。
そこで我々は,モックインタビュー生成とハンドシェイクプロトコルにおける双方向評価という2つのモジュールにパーソナライズされたマッチングプロセスを分割する,新しいフレームワークであるMockLLMを提案する。
論文 参考訳（メタデータ） (2024-05-28T12:23:16Z) - Leveraging Large Language Models for Enhanced Product Descriptions in
eCommerce [6.318353155416729]
本稿では,LAMA 2.0 7B言語モデルを用いた製品記述生成の自動化手法を提案する。
私たちはこのモデルを、最大のeコマースプラットフォームの1つであるWalmartの真正な製品記述のデータセットでトレーニングします。
以上の結果から,システムはスケーラブルであるだけでなく,製品記述作成に関わる人的負担を大幅に削減することが明らかとなった。
論文 参考訳（メタデータ） (2023-10-24T00:55:14Z) - Recommender AI Agent: Integrating Large Language Models for Interactive
Recommendations [53.76682562935373]
我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。
InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
論文 参考訳（メタデータ） (2023-08-31T07:36:44Z) - A Meta-learning based Stacked Regression Approach for Customer Lifetime
Value Prediction [3.6002910014361857]
顧客ライフタイムバリュー(英:Customer Lifetime Value、CLV)とは、取引/購入の合計金額である。
CLVは、銀行、保険、オンラインエンタテインメント、ゲーム、Eコマースなど、いくつかの異なるビジネスドメインでアプリケーションを見つける。
本稿では,効果的かつ包括的かつシンプルかつ解釈可能なシステムを提案する。
論文 参考訳（メタデータ） (2023-08-07T14:22:02Z) - Intent Recognition in Conversational Recommender Systems [0.0]
会話における入力発話を文脈化するためのパイプラインを導入する。
次に、逆機能エンジニアリングを活用して、コンテキスト化された入力と学習モデルをリンクして、意図認識をサポートするための次のステップを踏み出します。
論文 参考訳（メタデータ） (2022-12-06T11:02:42Z) - Personalized Fashion Recommendation from Personal Social Media Data: An
Item-to-Set Metric Learning Approach [71.63618051547144]
ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。
本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。
提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
論文 参考訳（メタデータ） (2020-05-25T23:24:24Z) - Cross-Lingual Low-Resource Set-to-Description Retrieval for Global
E-Commerce [83.72476966339103]
言語間情報検索は、国境を越えたeコマースにおける新しい課題である。
文脈依存型言語間マッピングの強化を図った新しい言語間マッチングネットワーク(CLMN)を提案する。
実験結果から,提案したCLMNは課題に対して印象的な結果をもたらすことが示唆された。
論文 参考訳（メタデータ） (2020-05-17T08:10:51Z)
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。