論文の概要: eC-Tab2Text: Aspect-Based Text Generation from e-Commerce Product Tables

• arxiv url: http://arxiv.org/abs/2502.14820v1
• Date: Thu, 20 Feb 2025 18:41:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:29:11.738446
• Title: eC-Tab2Text: Aspect-Based Text Generation from e-Commerce Product Tables
• Title（参考訳）: eC-Tab2Text:eコマース製品表からアスペクトベースのテキスト生成
• Authors: Luis Antonio Gutiérrez Guanilo, Mir Tafseer Nayeem, Cristian López, Davood Rafiei,
• Abstract要約: 我々はeコマースの複雑さを捉えるために設計された新しいデータセットeC-Tab2Textを紹介する。 製品表からテキストを生成することに注力し、LCMが高品質で属性固有の製品レビューを作成できるようにする。 その結果,文脈的に正確なレビューを生成する上で,大幅な改善が見られた。
• 参考スコア（独自算出の注目度）: 6.384763560610077
• License:
• Abstract: Large Language Models (LLMs) have demonstrated exceptional versatility across diverse domains, yet their application in e-commerce remains underexplored due to a lack of domain-specific datasets. To address this gap, we introduce eC-Tab2Text, a novel dataset designed to capture the intricacies of e-commerce, including detailed product attributes and user-specific queries. Leveraging eC-Tab2Text, we focus on text generation from product tables, enabling LLMs to produce high-quality, attribute-specific product reviews from structured tabular data. Fine-tuned models were rigorously evaluated using standard Table2Text metrics, alongside correctness, faithfulness, and fluency assessments. Our results demonstrate substantial improvements in generating contextually accurate reviews, highlighting the transformative potential of tailored datasets and fine-tuning methodologies in optimizing e-commerce workflows. This work highlights the potential of LLMs in e-commerce workflows and the essential role of domain-specific datasets in tailoring them to industry-specific challenges.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、様々なドメインにまたがる例外的な万能性を示しているが、ドメイン固有のデータセットが欠如しているため、電子商取引におけるその応用は未探索のままである。 このギャップに対処するため、eC-Tab2Textは、詳細な製品属性やユーザ固有のクエリを含む、eコマースの複雑さを捉えるために設計された、新しいデータセットである。 eC-Tab2Textを活用することで、製品表からのテキスト生成に注力し、構造化表データからLCMが高品質で属性固有の製品レビューを作成できる。 微調整されたモデルは、標準のTable2Textメトリクスを使用して厳格に評価され、正確性、忠実性、流用性の評価も行われた。 提案手法は,電子商取引ワークフローを最適化する上で,適切なデータセットと微調整手法の変換可能性を強調し,文脈的に正確なレビューを生成する上で,大幅な改善を図っている。 この研究は、eコマースワークフローにおけるLLMの可能性と、業界固有の課題に合わせたドメイン固有のデータセットの重要な役割を強調します。

関連論文リスト

• PAE: LLM-based Product Attribute Extraction for E-Commerce Fashion Trends [0.6445605125467574]
  本稿では,PDF形式のテキストと画像からなる今後のトレンドレポートのための製品属性抽出アルゴリズムであるPAEを提案する。 a) 構造化されていないデータ(テキストと画像)から属性を抽出する効率的なフレームワークであるPAEを開発する; (b) 今後の属性値を用いて既存の属性を検出するためのBERT表現に基づくカタログマッチング方法論を提供する; (c) PAEが有効で柔軟性があり、同等以上の(92.5% F1-Score)フレームワークであることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:50:25Z)
• Enhanced E-Commerce Attribute Extraction: Innovating with Decorative Relation Correction and LLAMA 2.0-Based Annotation [4.81846973621209]
  本稿では,分類のためのBERT,属性値抽出のための条件付きランダムフィールド(CRF)層,データアノテーションのための大規模言語モデル(LLM)を統合した先駆的フレームワークを提案する。 提案手法は, CRFのシーケンス復号技術と相乗化したBERTの頑健な表現学習を利用して, 属性値の同定と抽出を行う。 私たちの方法論は、Walmart、BestBuyのEコマースNERデータセット、CoNLLデータセットなど、さまざまなデータセットで厳格に検証されています。
  論文  参考訳（メタデータ） (2023-12-09T08:26:30Z)
• HeLM: Highlighted Evidence augmented Language Model for Enhanced Table-to-Text Generation [7.69801337810352]
  LLaMA2モデル上でパラメータ効率の良い微調整を行う。 我々のアプローチは、テーブル固有の行データを強調することにより、推論情報を入力に注入することである。 FetaQAデータセットとQTSummデータセットの両方で、我々のアプローチは最先端の結果を得た。
  論文  参考訳（メタデータ） (2023-11-15T12:02:52Z)
• EcomGPT: Instruction-tuning Large Language Models with Chain-of-Task Tasks for E-commerce [68.72104414369635]
  本稿では,約250万の命令データを持つ電子商取引指導データセットであるEcomInstructを提案する。 EcomGPTは、Eコマースタスクにおけるクロスデータセット/タスクの一般化という観点で、ChatGPTを上回っている。
  論文  参考訳（メタデータ） (2023-08-14T06:49:53Z)
• Product Information Extraction using ChatGPT [69.12244027050454]
  本稿では,製品記述から属性/値対を抽出するChatGPTの可能性について検討する。 以上の結果から,ChatGPTは事前学習した言語モデルに類似した性能を達成できるが,微調整を行うにはトレーニングデータや計算処理がはるかに少ないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-23T09:30:01Z)
• Automated Extraction of Fine-Grained Standardized Product Information from Unstructured Multilingual Web Data [66.21317300595483]
  機械学習の最近の進歩と最近発表された多言語データセットが組み合わさって、堅牢な製品属性抽出を可能にしていることを示す。 私たちのモデルは、オンラインショップや言語、あるいはその両方で、確実に製品属性を予測できます。
  論文  参考訳（メタデータ） (2023-02-23T16:26:11Z)
• Continuous Prompt Tuning Based Textual Entailment Model for E-commerce Entity Typing [12.77583836715184]
  電子商取引における急速な活動は、一般的なエンティティタイピングによって解決が難しい新しいエンティティの急速な台頭につながっている。 本稿では,eコマースエンティティタイピングのための連続的なプロンプトチューニングに基づく仮説と融合埋め込みを用いたテキストエンテーメントモデルを提案する。 提案モデルでは,ベースラインのBERTエンティティタイピングモデルと比較して平均F1スコアが約2%向上することを示した。
  論文  参考訳（メタデータ） (2022-11-04T14:20:40Z)
• CUSTOM: Aspect-Oriented Product Summarization for E-Commerce [33.148235036915885]
  製品要約は、商品の説明を自動的に生成することを目的としています。 異なる製品面での顧客の好みを考えると、アスペクト指向のカスタマイズされた要約を生成するメリットがあるでしょう。 我々は,多様かつ制御可能な要約を異なる製品面に向けて生成するCUSTOMを提案する。
  論文  参考訳（メタデータ） (2021-08-18T07:26:22Z)
• A Graph Representation of Semi-structured Data for Web Question Answering [96.46484690047491]
  本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。 本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
  論文  参考訳（メタデータ） (2020-10-14T04:01:54Z)
• Automatic Validation of Textual Attribute Values in E-commerce Catalog by Learning with Limited Labeled Data [61.789797281676606]
  そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。 限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。 ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
  論文  参考訳（メタデータ） (2020-06-15T21:31:05Z)
• 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。