本文提出了一种面向移动设备的电子商务应用中产品标题摘要问题的处理方法 —— 多源指针网络。该方法通过新增知识编码器处理以下两个约束：不引入无关信息和保留关键信息。实验证明，该方法显著优于其他基线。实际在线业务部署通过点击率也得到了验证。

Aug, 2018

研究了一种从手动撰写的电子商务产品长描述中自动提取短标题的问题，为此我们提出了一种特征丰富的网络模型，并针对短文本输入的一种新的抽取式汇总问题。实验结果表明，这种框架显著优于几种基线，并获得 4.5% 的实质性提升。此外，我们还为电子商务短文本制作了一个抽取式汇总数据集，并将其发布给研究界。

Mar, 2018

本文提出了一种多模态生成对抗网络 MM-GAN，用于生成商品的简短标题，可综合利用图像信息、商品的属性标签和原长标题的文本信息，将生成的标题视为一个强化学习过程，在一个类人的视角下由判别器进行评估。

Nov, 2018

通过对商品标题进行指导性调优，我们提出了 InstructPTS，一种能够按照不同标准（如摘要中的字数、特定短语的包含等）总结产品标题的可控方法。在真实世界的电子商务目录上进行的大量评估表明，与仅使用 LLMs 进行简单调优相比，我们所提出的方法能够生成更准确的产品名称摘要，BLEU 和 ROUGE 分别提高了 14 个和 8 个分数。

Oct, 2023

本篇研究使用序列到序列模型和迁移学习的方法生成高 / 低资源语言的标题，来解决电子商务网站自动生成的浏览页需要大量标题的问题。此举能够应用于多语言，尤其是低资源法语语言的标题生成。

Apr, 2018

论文提出一种新的方法，使用图像标题和来自图像搜索引擎的点击数据来学习文本 - 视觉嵌入，并通过建模嵌入的积极感知提出新的三元损失函数，以及引入一种新的基于小批次的难例负采样方法来提高学习过程的数据效率，实验结果表明，该方法的表现优于现有方法，并且对于现实世界的文本到视觉检索也十分有效。

May, 2019

本研究提出了一种基于序列生成模型和抽取的文本片段的表格标题生成方法，在少于 1 万个示例的训练下超过了现有的方法，接近群众智慧标题的质量，并成为处理表格标题文本生成的新的最佳方法。

Jun, 2018

本文提出了一种用于移动电商下的产品标题生成算法 MM-GAN，该算法从原始长标题中提取文本信息、产品的图像信息和属性标签等多模态信息，并将短标题生成视为一个强化学习过程。在进行模型训练和评估时，以类人的视角评估生成的标题，该算法在大规模电商数据集上的实验证明，与其他方法相比，本算法表现更优，应用于真实世界的电商平台后，点击率和点击转化率均有明显提高。

Apr, 2019

本文提出了一个基于句子压缩技术的任务框架，通过基于解析树的一系列学习模型，设计一种创新的 Beam Search 解码器来高效地找到高概率压缩结果，将语言学动机和查询相关性融入压缩过程中，并在多项指标上显著优于最先进的系统，包括在 DUC 2006 和 2007 摘要任务中分别获得 ROUGE-2 指标上 8.0% 和 5.4% 的改进。

Jun, 2016

本文提出了一种基于多模态提示学习框架的方法，通过仅使用少量标注数据快速高效地为新颖产品生成标题，并在不同场景中进行实验证明，在仅使用 downstream 标签数据 1% 的情况下，该方法实现了最佳 few-shot 学习效果，甚至与完全监督的方法相比也具有竞争力。

Jul, 2023