Mar, 2018

移动端自动生成中文简短产品标题

PDF
TL;DR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。
发现论文，激发创造
  • 移动电商短产品标题生成的多模态生成对抗网络

    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

  • 面向产品标题摘要的多源指针网络

    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

  • 多模态生成对抗学习优化产品标题

    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

  • 一种基于用户搜索日志数据的多任务学习方法，用于提高产品标题压缩

    本研究提出了一种新的多任务学习方法，利用用户搜索日志数据来提高产品标题压缩。采用指针网络序列到序列方法进行标题压缩，并采用关注机制的关注编码器解码器方法生成用户搜索查询。

    Jan, 2018

  • 电商页面多语言神经标题生成

    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

  • 生成 Web 表格标题

    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

  • 电子商务中从产品标题中提取属性

    本文提出了一种命名实体抽取系统，用于检测像沃尔玛这样的电商零售商产品标题中的属性。我们发现，将条件随机场和结构化感知器等序列标注算法与策略标准化方案结合起来，可以有效地从标题中提取产品属性值。

    Aug, 2016

  • 电子商务自动可控产品文案撰写

    本文介绍了一种基于前缀的可控商品文案生成系统 (EPCCG)，该系统通过提取特征，标注，生成和品控主要四个组成部分实现了自动商品文案生成。实验证明该系统有效性，同时介绍了将该系统应用于电商推荐平台的架构及显著的成效。

    Jun, 2022

  • Screen2Words: 基于多模态学习的自动移动 UI 摘要

    Screen2Words 是一种新颖的屏幕总结方法，它可以将 UI 屏幕的基本信息自动封装到一个连贯的语言短语中，并通过多模态学习，使用深度模型，为移动屏幕生成高质量的总结，为语言和用户界面的进一步桥梁奠定基础。

    Aug, 2021

  • InstructPTS：针对产品标题摘要的指导式调整语言模型

    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