論文の概要: Wizard of Shopping: Target-Oriented E-commerce Dialogue Generation with Decision Tree Branching

• arxiv url: http://arxiv.org/abs/2502.00969v1
• Date: Mon, 03 Feb 2025 00:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:00:25.637982
• Title: Wizard of Shopping: Target-Oriented E-commerce Dialogue Generation with Decision Tree Branching
• Title（参考訳）: 買い物の魔法:決定木分岐によるターゲット指向eコマース対話生成
• Authors: Xiangci Li, Zhiyu Chen, Jason Ingyu Choi, Nikhita Vedula, Besnik Fetahu, Oleg Rokhlenko, Shervin Malmasi,
• Abstract要約: 会話型商品検索(CPS)の目的は、インテリジェントなチャットベースのショッピングアシスタントを開発することである。 本稿では,大規模言語モデル(LLM)を利用して,現実的で自然な会話を生成する新しい手法TRACERを提案する。 We release the first target-oriented CPS dataset Wizard of Shopping (WoS)。
• 参考スコア（独自算出の注目度）: 39.45679213036939
• License:
• Abstract: The goal of conversational product search (CPS) is to develop an intelligent, chat-based shopping assistant that can directly interact with customers to understand shopping intents, ask clarification questions, and find relevant products. However, training such assistants is hindered mainly due to the lack of reliable and large-scale datasets. Prior human-annotated CPS datasets are extremely small in size and lack integration with real-world product search systems. We propose a novel approach, TRACER, which leverages large language models (LLMs) to generate realistic and natural conversations for different shopping domains. TRACER's novelty lies in grounding the generation to dialogue plans, which are product search trajectories predicted from a decision tree model, that guarantees relevant product discovery in the shortest number of search conditions. We also release the first target-oriented CPS dataset Wizard of Shopping (WoS), containing highly natural and coherent conversations (3.6k) from three shopping domains. Finally, we demonstrate the quality and effectiveness of WoS via human evaluations and downstream tasks.
• Abstract（参考訳）: 会話型製品検索(CPS)の目標は、顧客と直接対話し、ショッピング意図を理解し、明確化の質問を行い、関連する製品を見つけることができる、インテリジェントなチャットベースのショッピングアシスタントを開発することである。 しかし、そのようなアシスタントのトレーニングは、信頼性と大規模データセットの欠如が主な原因である。 従来の人間アノテーション付きCPSデータセットは、非常に小さく、現実世界の製品検索システムと統合されていない。 本稿では,大規模言語モデル(LLM)を活用して,ショッピングドメインごとに現実的で自然な会話を生成する新しい手法TRACERを提案する。 TRACERの斬新さは、決定木モデルから予測される製品探索トラジェクトリである対話プランの生成を基礎にすることにある。 また,3つのショッピングドメインから,極めて自然な,一貫性のある会話(3.6k)を含む,最初のターゲット指向CPSデータセットWizard of Shopping(WoS)もリリースした。 最後に、人的評価や下流タスクによるWoSの品質と有効性を示す。

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)
• IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
  本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。 インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。 人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
  論文  参考訳（メタデータ） (2024-06-14T16:51:21Z)
• Question Suggestion for Conversational Shopping Assistants Using Product Metadata [24.23400061359442]
  本稿では,Large Language Models (LLMs) を用いて,製品に関する文脈的,有用な,応答可能な,流動的で多様な質問を自動的に生成するフレームワークを提案する。 これらの質問を顧客に対して、会話の開始と継続の両方に役立つ提案やヒントとして提案することは、よりスムーズで高速なショッピング体験をもたらす。
  論文  参考訳（メタデータ） (2024-05-02T21:16:19Z)
• Salespeople vs SalesBot: Exploring the Role of Educational Value in Conversational Recommender Systems [78.84530426424838]
  既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。 このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。 私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
  論文  参考訳（メタデータ） (2023-10-26T19:44:06Z)
• SalesBot 2.0: A Human-Like Intent-Guided Chit-Chat Dataset [28.257630375747606]
  本稿では,大規模言語モデル(LLM)の共通知識を適切なプロンプトによって活用することにより,公開データの改訂版であるSalesBot 2.0を構築することを目的とする。 詳細なアノテーションを備えた新たにリリースされた大規模なデータセットは、トピック間のスムーズな移行を示し、自然性や一貫性の観点からは人間らしくなっている。
  論文  参考訳（メタデータ） (2023-08-28T02:48:49Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• 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)
• 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)
• 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。