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

本篇论文提出了一种用于电子商务的自动化场景多产品广告文案生成系统 (SMPACG)，它由两个主要组成部分构成：1) 自动化多产品组合选择模块，2) 自动化多产品广告文案生成模块。该系统是第一个实现了场景驱动的多产品广告内容自动生成，在电子商务推荐系统中得到了应用并被用作商家实时的写作助手工具。

May, 2022

基于客户评论的产品文案生成方法，使用增强学习来生成吸引人、真实且信息丰富的文案，优于现有基线模型和零样本大型语言模型。

Apr, 2024

提出了一种名为 Apex 的 fine-grained controllable generative model，结合了控制理论方法，可精确操纵生成文本的多样性 / 准确性权衡，并在 E- commerce 平台中应用，比现有方法更好地增加了生成文本的多样性和相关性，提高了 CTR。

Feb, 2021

引入了遗传拷贝优化框架 (GCOF)，该框架通过在大型语言模型 (LLM) 的提示中进行显式特征工程以及修改遗传算法 (GA) 中的交叉运算符，实现了自我迭代改进营销文案的效率和参与度，并且与人工构建的文案相比，所生成的营销文案在点击率 (CTR) 上平均提高了 50% 以上。

Feb, 2024

本文提出了社交媒体上自动生成个性化评论的任务，并基于微博上数万个用户的真实评论和用户画像，提出了 Personalized Comment Generation Network (PCGN) 模型来生成自然、类人的个性化评论。

Jul, 2019

在电商平台中，我们通过结合神经网络和知识库提出了一种个性化的商品描述生成模型（KOBE），该模型通过考虑多种重要因素进行文本生成；实验结果证明，KOBE 比现有方法（包括模板和统计方法）表现更好，可实现 BLEU 指标提高 9.7%。该框架已在中国最大的在线电商平台淘宝上部署。

Mar, 2019

我们提出了 Catalog Phrase Grounding (CPG) 模型，能够将产品的文本数据（标题、品牌）关联到相应的产品图像区域（孤立的产品区域、品牌标志区域），用于电子商务视觉语言应用。我们使用最先进的调制多模态 Transformer 编码器 - 解码器架构，统一了物体检测和短语关联。通过从电子商务网站合成的 230 万个图像文本对进行自监督训练。自监督数据使用由一些教师模型（例如，预训练的通用领域短语关联模型和专门的标志检测模型）生成的高置信度伪标签进行注释。这使得 CPG 作为学生模型可以从这些基础模型的转移知识中受益，结合了通用领域知识和专业知识。除了立即的目录短语关联任务之外，我们将 CPG 表示引入到需要深度语义理解产品的下游目录应用中作为机器学习特征，从中受益。我们在一个具有挑战性的电子商务应用（产品 - 品牌匹配）上的实验表明，将 CPG 表示引入到现有的生产集成系统中，在固定的 95% 精度下，全球性能平均提升 5％的召回率（在一个单一的国家中提升 11％），超越了其他可选方案，包括标志检测教师模型和 ResNet50。

Aug, 2023

本文深入讨论了基于人工智能技术生成内容的 AIGC，对其定义、关键条件、可重要的现有和未来特性、庞大的预训练模型带来的优势、工业链以及 AIGC 内部辅助生成和自动生成之间的区别进行了探讨，最后探讨了 AIGC 与元宇宙的潜在整合，旨在揭示 AIGC 的现有问题并提供未来应用方向。

Mar, 2023

该研究通过使用 LLAMA 2.0 7B 语言模型实现自动化产品描述生成，并在实践中证明其在提高电子商务平台搜索功能和销售额方面具有显著商业影响。

Oct, 2023