Fugu-MT 論文翻訳(概要): Alibaba International E-commerce Product Search Competition DcuRAGONs Team Technical Report

論文の概要: Alibaba International E-commerce Product Search Competition DcuRAGONs Team Technical Report

arxiv url: http://arxiv.org/abs/2510.25428v1
Date: Wed, 29 Oct 2025 11:50:52 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-30 15:50:45.493345
Title: Alibaba International E-commerce Product Search Competition DcuRAGONs Team Technical Report
Title（参考訳）: アリババ国際eコマース製品検索コンペティションDcuraGONsチームテクニカルレポート
Authors: Thang-Long Nguyen-Ho, Minh-Khoi Pham, Hoang-Bao Le,
Abstract要約: 本報告では,多言語Eコマース検索コンペティションのために開発された方法論と成果について詳述する。この問題は、多言語コンテキストにおけるユーザクエリと製品アイテムの関連性を認識することを目的としている。我々のデータ中心の手法は、競争中の他のソリューションと比較して最高スコアを達成しました。
参考スコア（独自算出の注目度）: 0.6554326244334866
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This report details our methodology and results developed for the Multilingual E-commerce Search Competition. The problem aims to recognize relevance between user queries versus product items in a multilingual context and improve recommendation performance on e-commerce platforms. Utilizing Large Language Models (LLMs) and their capabilities in other tasks, our data-centric method achieved the highest score compared to other solutions during the competition. Final leaderboard is publised at https://alibaba-international-cikm2025.github.io. The source code for our project is published at https://github.com/nhtlongcs/e-commerce-product-search.
Abstract（参考訳）: 本報告では,多言語Eコマース検索コンペティションのために開発された方法論と成果について詳述する。この問題は、多言語コンテキストにおけるユーザクエリと製品アイテムの関連性を認識し、eコマースプラットフォームでのレコメンデーションパフォーマンスを向上させることを目的としている。大規模言語モデル(LLM)と他のタスクにおけるそれらの機能を利用することで,データ中心の手法は,競合する他のソリューションと比較して高いスコアを得た。最終リーダーはhttps://alibaba-international-cikm2025.github.io。プロジェクトのソースコードはhttps://github.com/nhtlongcs/e-Commerce-product-searchで公開されています。

関連論文リスト

Analyticup E-commerce Product Search Competition Technical Report from Team Tredence_AICOE [1.1856441276327574]
本研究では,Tredence_AIチームが開発した多言語eコマース検索システムを提案する。 Gemma-3 12Bモデルは、オリジナルのデータと翻訳されたデータを使って最高のQCパフォーマンスを達成し、オリジナル、翻訳されたデータ、マイノリティクラスのデータ生成を使って最高のQIパフォーマンスを達成した。これらのアプローチは最終リーダーボードで4位を獲得し、テストセットの平均F1スコアは0.8857だった。
論文参考訳（メタデータ） (2025-10-23T15:49:20Z)
Alibaba International E-commerce Product Search Competition DILAB Team Technical Report [2.985561943631461]
本研究ではDILABチームが開発した多言語eコマース検索システムについて述べる。最終予選では総合得点0.8819で5位となり、評価指標の安定性と高いパフォーマンスを実証した。
論文参考訳（メタデータ） (2025-10-21T10:36:02Z)
Mix-Ecom: Towards Mixed-Type E-Commerce Dialogues with Complex Domain Rules [68.95862698403302]
この研究はまず、Mix-EComと呼ばれる新しいコーパスを紹介した。これは、実際のカスタマーサービス対話とポストプロセッシングに基づいて構築され、ユーザのプライバシを削除し、CoTプロセスを追加する。具体的には、4つの対話型(QA,レコメンデーション,タスク指向対話,チャット)、3つのeコマースタスク型(プレセール,ロジスティクス,アフターセール)、82のeコマースルールを含んでいる。その結果、現在のeコマースエージェントはeコマース対話を扱う十分な能力を持っていないことがわかった。
論文参考訳（メタデータ） (2025-09-28T12:19:27Z)
A Survey on E-Commerce Learning to Rank [6.6344943112608314]
Amazon、Alibaba、eBay、Walmartなどの商業eコマースプラットフォームは、検索結果ランキングアルゴリズムを完璧にするために、広範囲かつ絶え間ない調査を行っている。検索結果のランク付けを最適化するためには、関連性、パーソナライゼーション、売り手の評判、有償プロモーションから生じる多くの特徴について検討する。電子商取引において最も最適な検索結果を見つけるのに、どのアルゴリズムか、どの特徴が最も効果的かを知ることは困難である。
論文参考訳（メタデータ） (2024-11-19T01:12:51Z)
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)
Do All Languages Cost the Same? Tokenization in the Era of Commercial Language Models [68.29126169579132]
APIベンダは、使用量に基づいてユーザを課金する。具体的には、基盤となる言語モデルによって処理されたトークンの数や生成されるトークンの数に基づいて。しかし、トークンを構成するのは、異なる言語で同じ情報を伝達するのに必要なトークンの数に大きなばらつきに依存するトレーニングデータとモデルである。我々は, OpenAI の言語モデル API のコストと有用性について,22言語で多言語ベンチマークを行った。
論文参考訳（メタデータ） (2023-05-23T05:46:45Z)
Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
論文参考訳（メタデータ） (2023-01-22T18:22:55Z)
Visually Similar Products Retrieval for Shopsy [0.0]
マルチタスク学習手法を用いて,リセラーコマースのためのビジュアル検索システムを設計する。我々のモデルは属性分類、三重項ランク付け、変分オートエンコーダ(VAE)の3つの異なるタスクからなる。
論文参考訳（メタデータ） (2022-10-10T10:59:18Z)
A Multimodal Late Fusion Model for E-Commerce Product Classification [7.463657960984954]
本研究では,テキストと画像のモダリティに基づくマルチモーダルレイトフュージョン手法を用いて,楽天上での電子商取引商品の分類を行った。具体的には、各入力モードに対して、特定の最先端のディープニューラルネットワークを開発し、それらを決定レベルで融合させた。 pa_curisという名前のチームが、最終リーダーボードで0.9144のマクロF1で優勝しました。
論文参考訳（メタデータ） (2020-08-14T03:46:24Z)
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。