論文の概要: Campaign-2-PT-RAG: LLM-Guided Semantic Product Type Attribution for Scalable Campaign Ranking

• arxiv url: http://arxiv.org/abs/2602.10577v1
• Date: Wed, 11 Feb 2026 07:03:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.521467
• Title: Campaign-2-PT-RAG: LLM-Guided Semantic Product Type Attribution for Scalable Campaign Ranking
• Title（参考訳）: Campaign-2-PT-RAG:LLM-Guided Semantic Product Type Attribution for Scalable Campaign Ranking
• Authors: Yiming Che, Mansi Mane, Keerthi Gopalakrishnan, Parisa Kaghazgaran, Murali Mohana Krishna Dandu, Archana Venkatachalapathy, Sinduja Subramaniam, Yokila Arora, Evren Korpeoglu, Sushant Kumar, Kannan Achan,
• Abstract要約: 電子商取引キャンペーンランキングモデルは、キャンペーンの影響で購入したユーザーを示す大規模なトレーニングラベルを必要とする。 本稿では,bfCampaign-2-PT-RAGというスケーラブルなラベル生成フレームワークについて述べる。
• 参考スコア（独自算出の注目度）: 5.531818031341772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce campaign ranking models require large-scale training labels indicating which users purchased due to campaign influence. However, generating these labels is challenging because campaigns use creative, thematic language that does not directly map to product purchases. Without clear product-level attribution, supervised learning for campaign optimization remains limited. We present \textbf{Campaign-2-PT-RAG}, a scalable label generation framework that constructs user--campaign purchase labels by inferring which product types (PTs) each campaign promotes. The framework first interprets campaign content using large language models (LLMs) to capture implicit intent, then retrieves candidate PTs through semantic search over the platform taxonomy. A structured LLM-based classifier evaluates each PT's relevance, producing a campaign-specific product coverage set. User purchases matching these PTs generate positive training labels for downstream ranking models. This approach reframes the ambiguous attribution problem into a tractable semantic alignment task, enabling scalable and consistent supervision for downstream tasks such as campaign ranking optimization in production e-commerce environments. Experiments on internal and synthetic datasets, validated against expert-annotated campaign--PT mappings, show that our LLM-assisted approach generates high-quality labels with 78--90% precision while maintaining over 99% recall.
• Abstract（参考訳）: 電子商取引キャンペーンランキングモデルは、キャンペーンの影響で購入したユーザーを示す大規模なトレーニングラベルを必要とする。 しかし、これらのラベルの生成は、キャンペーンが製品購入に直接マップしない創造的でテーマ的な言語を使用するため、難しい。 明確な製品レベルの属性がなければ、キャンペーン最適化のための教師付き学習は依然として限られている。 本稿では,各キャンペーンが推奨する製品タイプ (PT) を推測することで,ユーザ・カンパイン購入ラベルを構築するスケーラブルなラベル生成フレームワークである \textbf{Campaign-2-PT-RAG} を提案する。 このフレームワークは、まず大きな言語モデル(LLM)を用いてキャンペーン内容を解釈し、暗黙の意図を捉え、次にプラットフォーム分類のセマンティックサーチを通して候補PTを検索する。 構造化LCMベースの分類器は、各PTの関連性を評価し、キャンペーン固有の製品カバレッジセットを生成する。 これらのPTと一致するユーザ購入は、下流ランキングモデルのためのポジティブなトレーニングラベルを生成する。 このアプローチは、曖昧な帰属問題を抽出可能なセマンティックアライメントタスクに再構成し、プロダクションeコマース環境におけるキャンペーンランキング最適化のような下流タスクのスケーラブルで一貫性のある監視を可能にする。 内部および合成データセットに関する実験は、専門家が注釈付けしたキャンペーン--PTマッピングに対して検証され、我々のLCM支援アプローチは、78-90%の精度で高品質なラベルを生成しながら、99%以上のリコールを維持していることを示している。

関連論文リスト

• Seeing the Undefined: Chain-of-Action for Generative Semantic Labels [6.553242735096595]
  本稿では,画像のセマンティックラベルの集合を包括的に予測することを目的とした新しいタスクであるジェネリックセマンティックラベル(GSL)を紹介する。 GSLはオブジェクト、シーン、属性、関係を含む複数の意味レベルラベルを生成する。 本稿では,GSL タスクに対処する革新的な手法である Chain-of-Action (CoA) を提案する。
  論文  参考訳（メタデータ） (2024-11-26T13:09:14Z)
• Text-Based Product Matching -- Semi-Supervised Clustering Approach [9.748519919202986]
  本稿では,半教師付きクラスタリング手法を用いた製品マッチングの新しい哲学を提案する。 実世界のデータセット上でIDECアルゴリズムを実験することにより,本手法の特性について検討する。
  論文  参考訳（メタデータ） (2024-02-01T18:52:26Z)
• MCTformer+: Multi-Class Token Transformer for Weakly Supervised Semantic Segmentation [90.73815426893034]
  弱教師付きセマンティックセグメンテーションの強化を目的としたトランスフォーマーベースのフレームワークを提案する。 複数のクラストークンを組み込んだマルチクラストークン変換器を導入し,パッチトークンとのクラス認識インタラクションを実現する。 識別型クラストークンの学習を促進するために,Contrastive-Class-Token (CCT)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-06T03:30:20Z)
• Multimodal Prompt Learning for Product Title Generation with Extremely Limited Labels [66.54691023795097]
  本稿では,ラベルが限定された新商品のタイトルを生成するためのプロンプトベースアプローチ,すなわちマルチモーダル・プロンプト学習フレームワークを提案する。 我々は、新しい製品の対応する特性と書体を維持するために、異なるモダリティから多モーダルなプロンプトのセットを構築する。 トレーニング用ラベル付きデータの完全化により,本手法は最先端の結果が得られる。
  論文  参考訳（メタデータ） (2023-07-05T00:40:40Z)
• Saliency Guided Inter- and Intra-Class Relation Constraints for Weakly Supervised Semantic Segmentation [66.87777732230884]
  本稿では,活性化対象領域の拡大を支援するために,Salliency Guided Inter-およびIntra-Class Relation Constrained (I$2$CRC) フレームワークを提案する。 また,オブジェクトガイド付きラベルリファインメントモジュールを導入し,セグメンテーション予測と初期ラベルをフル活用し,優れた擬似ラベルを得る。
  論文  参考訳（メタデータ） (2022-06-20T03:40:56Z)
• Group-aware Label Transfer for Domain Adaptive Person Re-identification [179.816105255584]
  Unsupervised Adaptive Domain (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインデータセットで訓練されたモデルを、さらなるアノテーションなしでターゲットドメインデータセットに適応することを目的としている。 最も成功したUDA-ReIDアプローチは、クラスタリングに基づく擬似ラベル予測と表現学習を組み合わせて、2つのステップを交互に実行する。 疑似ラベル予測と表現学習のオンラインインタラクションと相互促進を可能にするグループ認識ラベル転送(GLT)アルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-03-23T07:57:39Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• 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)

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。