論文の概要: Multimodal semantic retrieval for product search

• arxiv url: http://arxiv.org/abs/2501.07365v1
• Date: Mon, 13 Jan 2025 14:34:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:26:23.964141
• Title: Multimodal semantic retrieval for product search
• Title（参考訳）: 商品検索のためのマルチモーダル意味検索
• Authors: Dong Liu, Esther Lopez Ramos,
• Abstract要約: プロダクトイメージは、e-commence検索のインタラクションに不可欠であり、製品探索において顧客にとって重要な要素である。 商品の純文表現とは対照的に,e-commence searchにおける商品項目のマルチモーダル表現を構築した。 商品のマルチモーダル表現スキームは,セマンティック検索における購入リコールや関連精度の向上を示すことができることを示す。
• 参考スコア（独自算出の注目度）: 6.185573921868495
• License:
• Abstract: Semantic retrieval (also known as dense retrieval) based on textual data has been extensively studied for both web search and product search application fields, where the relevance of a query and a potential target document is computed by their dense vector representation comparison. Product image is crucial for e-commence search interactions and is a key factor for customers at product explorations. But its impact for semantic retrieval has not been well studied yet. In this research, we build a multimodal representation for product items in e-commerece search in contrast to pure-text representation of products, and investigate the impact of such representations. The models are developed and evaluated on e-commerce datasets. We demonstrate that a multimodal representation scheme for a product can show improvement either on purchase recall or relevance accuracy in semantic retrieval. Additionally, we provide numerical analysis for exclusive matches retrieved by a multimodal semantic retrieval model versus a text-only semantic retrieval model, to demonstrate the validation of multimodal solutions.
• Abstract（参考訳）: テキストデータに基づくセマンティック検索(密集検索とも呼ばれる)は、Web検索と製品検索の両方の分野で広く研究されており、クエリと潜在的対象文書の関連性は、その密集ベクトル表現比較によって計算されている。 プロダクトイメージは、e-commence検索のインタラクションに不可欠であり、製品探索において顧客にとって重要な要素である。 しかし、セマンティック検索に対するその影響は、まだ十分に研究されていない。 本研究では,e-commerece検索において,商品の純文表現とは対照的に,商品のマルチモーダル表現を構築し,そのような表現の影響について検討する。 モデルはEコマースデータセット上で開発および評価される。 本研究では,商品のマルチモーダル表現方式が,セマンティック検索における購入リコールや関連精度の向上を示すことを示す。 さらに,マルチモーダルなセマンティック検索モデルとテキストのみのセマンティック検索モデルとで検索された排他的マッチングの数値解析を行い,マルチモーダルなソリューションの有効性を実証する。

関連論文リスト

• Generative Retrieval with Preference Optimization for E-commerce Search [16.78829577915103]
  我々は、好みを最適化した生成検索という、Eコマース検索のための革新的なフレームワークを開発する。 生の項目のタイトルを表すためにマルチスパン識別子を使用し、クエリからタイトルを生成するタスクを、クエリからマルチスパン識別子を生成するタスクに変換する。 実験の結果,本フレームワークは実世界のデータセット上での競合性能を実現し,オンラインA/Bテストはコンバージョンゲインの改善における優位性と有効性を示した。
  論文  参考訳（メタデータ） (2024-07-29T09:31:19Z)
• 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)
• ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。 ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Large Language Models for Relevance Judgment in Product Search [48.56992980315751]
  検索クエリに対する検索および再ランクされたアイテムの高い関連性は、製品検索の成功の土台である。 本稿では,大規模言語モデル(LLM)を活用して,クエリ・イテムペア(QIP)の関連判断を大規模に自動化する手法について述べる。 本研究は,製品検索における関連判断の自動化の分野への直接的な影響を示唆するものである。
  論文  参考訳（メタデータ） (2024-06-01T00:52:41Z)
• Generative Retrieval as Multi-Vector Dense Retrieval [71.75503049199897]
  生成検索は、文書の識別子をエンドツーエンドで生成する。 それまでの研究は、原子識別子による生成的検索が単一ベクトル密度検索と等価であることを示した。 生成的検索と多ベクトル高密度検索は,文書の問合せに対する関連性を測定するのと同じ枠組みを共有していることを示す。
  論文  参考訳（メタデータ） (2024-03-31T13:29:43Z)
• Align before Search: Aligning Ads Image to Text for Accurate Cross-Modal Sponsored Search [27.42717207107]
  クロスモーダルスポンサー検索は、消費者が検索エンジンで自然言語クエリーによって望ましい商品を探す際に、マルチモーダル広告(ads)を表示する。 画像とテキストの両方で広告特有の情報を調整できることは、正確で柔軟なスポンサー付き検索に不可欠だ。 広告画像の細粒度部分を対応するテキストに明示的にマッピングする単純なアライメントネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-28T03:43:57Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• A Multi-Granularity Matching Attention Network for Query Intent Classification in E-commerce Retrieval [9.034096715927731]
  本稿では,クエリインテント分類のためのMMAN(Multi-granularity Matching Attention Network)を提案する。 MMANには、セルフマッチングモジュール、シャルレベルマッチングモジュール、セマンティックレベルマッチングモジュールの3つのモジュールが含まれている。 我々は大規模なオフラインおよびオンラインA/B実験を行い、MMANが強いベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2023-03-28T10:25:17Z)
• Named Entity and Relation Extraction with Multi-Modal Retrieval [51.660650522630526]
  マルチモーダルな名前付きエンティティ認識(NER)と関係抽出(RE)は、関連画像情報を活用してNERとREの性能を向上させることを目的としている。 新たなマルチモーダル検索フレームワーク(MoRe)を提案する。 MoReはテキスト検索モジュールと画像ベースの検索モジュールを含み、入力されたテキストと画像の関連知識をそれぞれ知識コーパスで検索する。
  論文  参考訳（メタデータ） (2022-12-03T13:11:32Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)

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。