論文の概要: Learning to Ask: Conversational Product Search via Representation Learning

• arxiv url: http://arxiv.org/abs/2411.14466v1
• Date: Mon, 18 Nov 2024 14:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:04:23.458676
• Title: Learning to Ask: Conversational Product Search via Representation Learning
• Title（参考訳）: 質問への学習: 表現学習による会話型製品検索
• Authors: Jie Zou, Jimmy Xiangji Huang, Zhaochun Ren, Evangelos Kanoulas,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 34.689904564411506
• License:
• Abstract: Online shopping platforms, such as Amazon and AliExpress, are increasingly prevalent in society, helping customers purchase products conveniently. With recent progress in natural language processing, researchers and practitioners shift their focus from traditional product search to conversational product search. Conversational product search enables user-machine conversations and through them collects explicit user feedback that allows to actively clarify the users' product preferences. Therefore, prospective research on an intelligent shopping assistant via conversations is indispensable. Existing publications on conversational product search either model conversations independently from users, queries, and products or lead to a vocabulary mismatch. In this work, we propose a new conversational product search model, ConvPS, to assist users in locating desirable items. The model is first trained to jointly learn the semantic representations of user, query, item, and conversation via a unified generative framework. After learning these representations, they are integrated to retrieve the target items in the latent semantic space. Meanwhile, we propose a set of greedy and explore-exploit strategies to learn to ask the user a sequence of high-performance questions for conversations. Our proposed ConvPS model can naturally integrate the representation learning of the user, query, item, and conversation into a unified generative framework, which provides a promising avenue for constructing accurate and robust conversational product search systems that are flexible and adaptive. Experimental results demonstrate that our ConvPS model significantly outperforms state-of-the-art baselines.
• Abstract（参考訳）: AmazonやAliExpressのようなオンラインショッピングプラットフォームは、ますます社会で普及し、顧客が便利な商品を購入するのを助けている。 近年の自然言語処理の進歩により、研究者や実践者は、従来の製品検索から会話型の製品検索へと焦点を移した。 Conversational Product Searchは、ユーザとマシンの会話を可能にし、それを通じて明示的なユーザフィードバックを収集し、ユーザの製品嗜好を積極的に明らかにする。 したがって,対話による知的ショッピングアシスタントの研究は不可欠である。 既存の会話製品検索に関する出版物は、ユーザ、クエリ、製品から独立して会話をモデル化するか、語彙ミスマッチにつながる。 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統一された生成フレームワークを通じて共同で学習するように訓練されている。 これらの表現を学習した後、それらは統合され、潜在意味空間における対象項目を検索する。 一方,ユーザに対して,会話のための高性能な質問の連続を問うための,欲求と探索-探索戦略のセットを提案する。 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,柔軟で適応性の高い,正確で堅牢な対話型製品検索システムを構築するための,有望な手段を提供する統合生成フレームワークに統合することができる。 実験結果から,我々のConvPSモデルは最先端のベースラインを著しく上回ることがわかった。

関連論文リスト

• A Survey of Conversational Search [44.09402706387407]
  会話検索における最近の進歩と今後の方向性について検討する。 これらのシステムの拡張において,大規模言語モデル(LLM)の統合を強調した。 我々は,現実のアプリケーションに対する洞察と,現在の対話型検索システムの堅牢な評価を提供する。
  論文  参考訳（メタデータ） (2024-10-21T01:54:46Z)
• Using LLMs to Investigate Correlations of Conversational Follow-up Queries with User Satisfaction [32.32365329050603]
  そこで本稿では,会話検索エンジンNaver Cueから18人のユーザのフォローアップクエリパターンの分類法を提案する。 クエリ修正に関する既存の文献と比較して、フォローアップクエリの背後にある新たなモチベーションとアクションが明らかになった。 最初の結果から,Clarifying Queries, Excluding Condition, Substitutioning Condition with follow-up queryなど,いくつかの不満のシグナルが示唆された。
  論文  参考訳（メタデータ） (2024-07-18T05:10:35Z)
• 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)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
  本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。 提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
  論文  参考訳（メタデータ） (2023-07-02T13:36:36Z)
• Talk the Walk: Synthetic Data Generation for Conversational Music Recommendation [62.019437228000776]
  本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。 人間の収集したデータセットで100万以上の多様な会話を生成します。
  論文  参考訳（メタデータ） (2023-01-27T01:54:16Z)
• End-to-End Conversational Search for Online Shopping with Utterance Transfer [42.18467682958695]
  まず,対話システムと検索を深く組み合わせたエンドツーエンドの会話検索システムであるConvSearchを提案する。 次に、発話伝達アプローチを提案することによって、データ課題の欠如に対処する。 実験により,クラウドソーシングを必要とせずに,発話伝達方式により,対話データの学習能力を大幅に向上できることが示された。
  論文  参考訳（メタデータ） (2021-09-12T08:33:44Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)
• Modeling Product Search Relevance in e-Commerce [7.139647051098728]
  本稿では,検索クエリと商品の関連性を評価するためのロバストな手法を提案する。 BM25 や Indri のような従来の情報検索モデルと word2vec, sentence2vec, paragraph2vec といったディープラーニングモデルとの比較を行った。
  論文  参考訳（メタデータ） (2020-01-14T21:17:55Z)

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。