ACLApr, 2021

Query2Prod2Vec 基于实体的电子商务词嵌入

PDF
TL;DR本文提出 Query2Prod2Vec 模型，用于将产品搜索的词汇表示与数字商店中的产品嵌入相联系。 该模型比 NLP 和 IR 文献中已知的技术更准确地提供了产品搜索结果，并着重强调数据效率对超出作大型零售商以外的产品搜索的重要性。
query2prod2vecproduct searchproduct embeddingsnlpir
发现论文，激发创造
  • BERT Goes Shopping: 对产品表示的分布式模型的比较

    通过 masked session 建模的方式，将基于 BERT 的模型 Prod2BERT 迁移到电子商务，与 Prod2vec 进行对比实验并得出结论，提供在各种计算和数据限制下培训嵌入的准则。

    Dec, 2020

  • 产品搜索的潜在向量空间学习

    本文提出了一种新型的潜向量空间模型，可在无需明确注释的情况下，联合学习单词、电子商务产品的潜在表示以及两者之间的映射，能直接建模产品与特定单词之间的鉴别关系，并在学习排序库特征方面证明其性能优越性。

    Aug, 2016

  • 利用表示学习研究产品竞争

    Product2Vec 是一种基于 Word2Vec 方法的表示学习算法，通过对商品进行嵌入，来分析市场结构和制定产品线优化策略，并结合经济理论和因果推断对 Word2Vec 进行改进，以提高预测需求和价格弹性的准确性。

    May, 2020

  • MRNet-Product2Vec: 一种用于产品嵌入的多任务循环神经网络

    本文提出一种名为 MRNet-Product2Vec 的方法，使用区别化的多任务双向循环神经网络，创建商品的通用嵌入，以提高电子商务生态系统中的客户体验和增加收入。经定量和定性评估，表明该方法的性能几乎与稀疏和极高维 TF-IDF 表示相当，降低了将商品表示为特征时的计算复杂度。

    Sep, 2017

  • 多词术语嵌入改进词汇产品检索

    H1 嵌入模型在电子商务平台的产品描述离线术语索引中，通过整合产品检索的词汇方法和基于语义嵌入的方法的优势，提出了一种构建语义丰富术语词汇的方法，能够作为单个标记来处理多词产品术语，提高系统的精度而不影响召回率，此模型在 WANDS 公共数据集上的混合搜索系统得分为 mAP@12 = 56.1% 和 R@1k = 86.6%，超过其他最先进的模型。

    Jun, 2024

  • 元 - Prod2Vec - 利用辅助信息进行产品嵌入式推荐

    Meta-Prod2vec 提出了一种新方法来计算物品之间的相似度，该方法利用现有的物品元数据，通过注入元数据以正则化物品嵌入来计算物品的低维嵌入，从而提高推荐任务的性能。

    Jul, 2016

  • 基于嵌入式的美国 Instacart 超市搜索模型

    本文介绍了嵌入式模型在电商搜索中的应用，该模型由两个塔式变压器编码器构成，利用自适应对抗性学习和级联训练方法，以特别关注基于内容的特征并有效地在噪声大的数据上进行训练，检测出相对于原方案 10％的 RECALL@20 的改进并通过在线 A / B 测试达到了每次搜索中增加购物车数量（CAPS）和商品销售总值（GMV）方面 1.5％和 4.1％的提高。

    Sep, 2022

  • 使用本地训练的单词嵌入进行查询扩展

    本文研究了词嵌入在查询扩展中的应用，结果表明全局训练的 Word2Vec 和 GloVe 等词嵌入不能很好地完成信息检索任务，建议其他使用全局嵌入的任务也可以受益于使用局部嵌入。

    May, 2016

  • Company2Vec -- 基于公司网站的德国公司嵌入

    使用 Company2Vec 模型，通过对公司网站数据进行 Word2Vec 嵌入和降维分析，本研究论文提出了一种新的表示学习应用。Company2Vec 能够维护语义语言结构，并在精细粒度的行业中创建高效的公司嵌入。这些语义嵌入可用于银行业的各种应用，包括语义业务分析和行业预测等。矢量化的嵌入结构还可通过余弦距离衡量公司之间的相似性，从而提供比标准行业标签（NACE）更细粒度的公司比较方法。此外，研究提供了基于公司嵌入的 k-means 聚类的替代行业分割方法，最后还提出了三种算法用于对等公司识别，包括以公司为中心、以行业为中心和以投资组合为中心。

    Jul, 2023

  • Etsy 搜索中基于统一嵌入的个性化检索

    本文提出了一种能够同时解决语义差异问题和根据用户历史交互提供个性化语义搜索结果的新方法，将图嵌入、transformer 模型和基于术语的嵌入统一到一个嵌入模型中，同时分享了特征工程、硬负采样策略以及 transformer 模型应用方面的技巧。此个性化检索模型增强了用户的搜索体验，并提高了搜索购买率和网站整体转化率。

    Jun, 2023