論文の概要: A Semi-supervised Scalable Unified Framework for E-commerce Query Classification
- arxiv url: http://arxiv.org/abs/2506.21049v1
- Date: Thu, 26 Jun 2025 06:52:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:10.007375
- Title: A Semi-supervised Scalable Unified Framework for E-commerce Query Classification
- Title（参考訳）: Eコマースクエリ分類のための半教師付きスケーラブル統一フレームワーク
- Authors: Chunyuan Yuan, Chong Zhang, Zheng Fang, Ming Pang, Xue Jiang, Changping Peng, Zhangang Lin, Ching Law,
- Abstract要約: 電子商取引クエリは通常短く、コンテキストがないため、ラベル間の情報は使用できない。
既存の産業用クエリ分類手法の多くは、ユーザの後クリック動作に依存してトレーニングサンプルを構築しており、マシューの悪循環に繋がる。
クエリ分類タスクを統一する複数の拡張モジュールを含むSSUF(Semi-supervised Scalable Unified Framework)を提案する。
- 参考スコア（独自算出の注目度）: 13.695419069287482
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Query classification, including multiple subtasks such as intent and category prediction, is vital to e-commerce applications. E-commerce queries are usually short and lack context, and the information between labels cannot be used, resulting in insufficient prior information for modeling. Most existing industrial query classification methods rely on users' posterior click behavior to construct training samples, resulting in a Matthew vicious cycle. Furthermore, the subtasks of query classification lack a unified framework, leading to low efficiency for algorithm optimization. In this paper, we propose a novel Semi-supervised Scalable Unified Framework (SSUF), containing multiple enhanced modules to unify the query classification tasks. The knowledge-enhanced module uses world knowledge to enhance query representations and solve the problem of insufficient query information. The label-enhanced module uses label semantics and semi-supervised signals to reduce the dependence on posterior labels. The structure-enhanced module enhances the label representation based on the complex label relations. Each module is highly pluggable, and input features can be added or removed as needed according to each subtask. We conduct extensive offline and online A/B experiments, and the results show that SSUF significantly outperforms the state-of-the-art models.
- Abstract（参考訳）: インテントやカテゴリ予測といった複数のサブタスクを含むクエリ分類は、eコマースアプリケーションにとって不可欠である。
電子商取引クエリは通常短く、コンテキストが欠如しており、ラベル間の情報は使用できないため、モデリングの事前情報は不十分である。
既存の産業用クエリ分類手法の多くは、ユーザの後クリック動作に依存してトレーニングサンプルを構築しており、マシューの悪循環に繋がる。
さらに、クエリ分類のサブタスクには統一されたフレームワークがなく、アルゴリズム最適化の効率が低くなる。
本稿では,クエリ分類タスクを統一する複数の拡張モジュールを含むSSUF(Semi-supervised Scalable Unified Framework)を提案する。
知識強化モジュールは世界知識を用いてクエリ表現を強化し、クエリ情報不足の問題を解決する。
ラベル強化モジュールは、ラベルセマンティクスと半教師付き信号を使用して、後続ラベルへの依存を減らす。
構造強化モジュールは、複雑なラベル関係に基づいてラベル表現を強化する。
各モジュールは非常にプラグイン可能で、各サブタスクに応じて入力機能の追加や削除が可能である。
オフラインおよびオンラインA/B実験を広範囲に実施し、SSUFが最先端モデルよりも優れていることを示す。
関連論文リスト
- Generative Retrieval for Book search [106.67655212825025]
書籍検索のための効率的な生成検索フレームワークを提案する。
データ拡張とアウトライン指向の書籍エンコーディングの2つの主要コンポーネントがある。
プロプライエタリなBaiduデータセットの実験では、GBSが強力なベースラインを上回ることが示されている。
論文 参考訳（メタデータ） (2025-01-19T12:57:13Z) - A Semi-supervised Multi-channel Graph Convolutional Network for Query Classification in E-commerce [10.870790183380517]
以上の問題に対処するために,新たな半教師付き多チャンネルグラフ畳み込みネットワーク(SMGCN)を提案する。
SMGCNは、クエリとカテゴリの類似点を利用して、カテゴリ情報を拡張し、後続ラベルを強化する。
論文 参考訳（メタデータ） (2024-08-04T04:52:21Z) - Hierarchical Query Classification in E-commerce Search [38.67034103433015]
電子商取引プラットフォームは通常、製品情報と検索データを階層構造に保存し、構造化する。
ユーザ検索クエリを同様の階層構造に効果的に分類することは,eコマースプラットフォーム上でのユーザエクスペリエンスの向上,ニュースキュレーションや学術研究において最重要である。
階層的問合せ分類の本質的な複雑さは,(1)支配的カテゴリに傾倒する顕著なクラス不均衡,(2)正確な分類を妨げる検索クエリの本質的簡潔さとあいまいさの2つの課題によって複雑化されている。
論文 参考訳（メタデータ） (2024-03-09T21:55:55Z) - A General Model for Aggregating Annotations Across Simple, Complex, and
Multi-Object Annotation Tasks [51.14185612418977]
ラベルの品質を改善するための戦略は、複数のアノテータに同じ項目にラベルを付け、ラベルを集約するように求めることである。
特定のタスクに対して様々なbespokeモデルが提案されているが、様々な複雑なタスクを一般化するアグリゲーションメソッドを導入するのはこれが初めてである。
本論では,3つの新たな研究課題について検討し,今後の課題を概説する。
論文 参考訳（メタデータ） (2023-12-20T21:28:35Z) - Prompt Tuned Embedding Classification for Multi-Label Industry Sector Allocation [2.024620791810963]
本研究では,マルチラベルテキスト分類のためのPrompt Tuningとベースラインの性能をベンチマークする。
企業を投資会社の独自産業分類に分類するために適用される。
このモデルのパフォーマンスは、よく知られた企業とあまり知られていない企業の両方で一貫していることを確認します。
論文 参考訳（メタデータ） (2023-09-21T13:45:32Z) - Description-Enhanced Label Embedding Contrastive Learning for Text
Classification [65.01077813330559]
モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計
テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。
ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
論文 参考訳（メタデータ） (2023-06-15T02:19:34Z) - 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) - Learning Label Modular Prompts for Text Classification in the Wild [56.66187728534808]
そこで本研究では,非定常学習/テスト段階の異なるテキスト分類手法を提案する。
複雑なタスクをモジュラー成分に分解することで、そのような非定常環境下での堅牢な一般化が可能になる。
テキスト分類タスクのためのラベルモジュール型プロンプトチューニングフレームワークMODcularPROMPTを提案する。
論文 参考訳（メタデータ） (2022-11-30T16:26:38Z) - Novel Class Discovery in Semantic Segmentation [104.30729847367104]
セマンティックにおける新しいクラス発見(NCDSS)について紹介する。
ラベル付き非結合クラスの集合から事前の知識を与えられた新しいクラスを含むラベル付きイメージのセグメンテーションを目的としている。
NCDSSでは、オブジェクトと背景を区別し、画像内の複数のクラスの存在を処理する必要があります。
本稿では,エントロピーに基づく不確実性モデリングと自己学習(EUMS)フレームワークを提案し,ノイズの多い擬似ラベルを克服する。
論文 参考訳（メタデータ） (2021-12-03T13:31:59Z) - Active Learning++: Incorporating Annotator's Rationale using Local Model
Explanation [84.10721065676913]
アノテーションは、与えられたクエリの重要性に基づいて入力特徴をランク付けすることで、ラベルを選択するための根拠を提供することができる。
すべての委員会モデルを等しく重み付けして次の事例を選択する代わりに、アノテータのランクにより高い一致で委員会モデルにより高い重みを割り当てます。
このアプローチは、LIMEのような局所的な説明を生成するためにモデルに依存しない手法を用いて、任意の種類のMLモデルに適用できる。
論文 参考訳（メタデータ） (2020-09-06T08:07:33Z)
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。