SIGIRJul, 2019

基于产品描述和要点的句子排序以获得更好的搜索结果

PDF
TL;DR本研究针对电子商务平台上的产品目录，利用基于命名实体识别（NER）的自然语言处理技术，运用强化学习实现提取与分类，选取标题和搜索点击记录中的关键信息，在汇总摘要的过程中避免信息过载，从而优化产品搜索效率，并对两种摘要模型进行了比较。
ecommerce catalognerextractive summarizationreinforcement learningsemantic search
发现论文，激发创造
  • 用强化学习为抽取式摘要排序

    提出了一种用于单文档大意提取的全新算法，能够通过强化学习目标全局优化 ROUGE 评估指标，并在 CNN 和 DailyMail 数据集上进行了实验，展示它在人工和自动评估中均优于现有抽取和生成式提取系统的神经大意提取模型。

    Feb, 2018

  • 从比较产品评论中提取感兴趣的实体

    这篇论文提出了一种基于深度学习的方法，从各种电子商务网站的用户评论中提取产品比较信息。通过使用 LSTMs 能够很好地捕捉它们之间的相互依赖关系，该系统在现有的手动标记数据集上表现出较强的性能，超越了现有的语义角色标注（SRL）框架。

    Oct, 2023

  • 基于句子和单词提取的神经摘要

    论文提出了一种基于神经网络和连续句子特征的数据驱动型抽取式摘要方法，采用层级文档编码器和基于注意力机制的提取器的通用框架，能够训练不同的摘要模型（提取句子或单词），在大规模语料库上进行实验结果表明，该方法在不需要语言注解的情况下取得了与现有技术相当的效果。

    Mar, 2016

  • 三段式文本摘要的规则

    该论文提出了一种基于神经网络的文本摘要模型，旨在解决现有模型未能显式考虑信息结构的问题，并控制摘要信息结构来提高总体摘要表现，实验结果证明该模型的有效性。

    Sep, 2018

  • 神经潜在抽取式文档摘要

    本篇文章提出一种基于潜变量的抽取式文本摘要模型，通过使用句子作为潜变量和检索金标准摘要来改善基于启发式标签的抽取式模型，并在 CNN/Dailymail 数据集上得到了良好的结果。

    Aug, 2018

  • 基于方面识别和句子聚类的产品评论概括

    本文介绍了一种可以自动处理大量评论并汇总生成简明摘要的产品评论汇总系统，通过应用聚类并选择代表性候选项来解决现有产品汇总系统无法提供支持用户意见的根本原因的缺点。

    Oct, 2011

  • 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

  • 从电商网站的产品评论中提取组件评论

    本篇研究致力于利用基于 BERT 的分类器对商品评论中的方面和组成元素信息加以标记，并通过数据增强方法提高系统对于数据不足时的精度，结果表明该系统能够对如路单车等商品评论中的组成元素和方面进行标记，较大程度涵盖 e-commerce 网站中的指标。

    Jul, 2022

  • 抽象摘要中的句子重写的摘要级别训练

    本文通过使用句子重写模型，采用先提取常规句子，后对所选句子进行释义来生成摘要的策略，提出了一种通过强化学习直接最大化摘要级别 ROUGE 得分的新型训练信号，并在 CNN / Daily Mail 和纽约时报数据集上展示了新的最先进表现。在整个实验中，我们还演示了它在 DUC-2002 测试集上的普遍适用性。

    Sep, 2019

  • 无监督抽取式摘要中句子相似度估计的改进

    研究了两种新策略以提高自动抽取摘要的句子相似度估计，其中对比学习优化了文本级目标，同时使用互相学习增强句子相似度估计与句子重要性排名之间的关系。实验结果显示了策略的有效性。

    Feb, 2023