SIGIRApr, 2023

向量空间不是终极边界：将产品搜索视作程序合成

PDF
TL;DR本研究论文主要探讨了在电子商务中，针对信息检索所进行的机器学习和自然语言处理方面的巨大投入，同时提出程序合成的方法为许多检索问题提供了显著的优势。该方法在许多市场玩家中具有重要意义，并详细说明了其使用和实现细节，以及如何应对常见的反对意见。
ecommercemlnlpinformation retrievalprogram synthesis
发现论文，激发创造
  • 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

  • 使用查询的神经程序合成

    本篇研究提出了一个基于查询的框架用于自动生成并交互式提供信息丰富的输入输出样例，其可用于编程合成中的无监督学习以解决缺少先验知识的问题。

    May, 2022

  • 在线目录的产品合成

    介绍了产品综合的问题，提出了一个系统来解决该问题，包括提取，数据合并等组件，其中还涉及从商家提取数据，架构对接和数据同化等问题。使用比较了 Bing Shopping 的数据，通过实验验证该方法能自动生成大量准确的产品规格，其中自适应的架构对接部分表现更好。

    May, 2011

  • 语义产品搜索

    通过训练深度学习模型，使用顾客行为数据，我们开发了一种新的损失函数，并结合 n-gram 和平均池化来捕捉短程语言模式，并使用哈希来处理词汇表外的标记，从而解决语意匹配在产品搜索中的挑战。在离线测试和在线 A/B 测试中，均表现出比基线语意搜索方法更好的召回率和平均准确率。

    Jul, 2019

  • Query2Prod2Vec 基于实体的电子商务词嵌入

    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。

    Apr, 2021

  • 弱监督表示学习在大规模产品检索中的应用

    本文介绍了一种用于 eBay 可视搜索挑战的弱监督商品检索的新型解决方案，该方案通过使用来自商品标题的伪属性作为多标签分类的真实值，采用多个强大的 backbones，包括白化，重排序和模型集成等后处理技术，实现了 71.53% 的 MAR，为 “Involution King” 在排行榜上获得第二名。

    Aug, 2022

  • 神经程序搜索：从描述和示例中解决编程任务

    本文提出了一种用自然语言描述和少量输入 / 输出样例来生成程序的算法，称之为神经程序搜索。该算法将深度学习和程序合成领域的方法结合起来，通过设计丰富的领域特定语言和根据 Seq2Tree 模型进行指导的高效搜索算法。通过一个半合成的描述和测试案例数据集对该方法的质量进行了评估，结果表明我们的算法明显优于基线的带注意力的序列到序列模型。

    Feb, 2018

  • V$^2$L：将视觉和视觉语言模型应用于大规模产品检索

    本文介绍了在 eBay 产品视觉搜索挑战 (FGVC9) 中获得第一名的一个模型。该模型通过将视觉模型和视觉语言模型相结合，运用 20 个模型的结合方式，在对 coarse labels 进行两阶段训练的基础上，进行了精细化的自我监督训练。此外，该模型通过使用文本描述训练图像作为监督信号，对图像编码器进行了微调。最终，该模型达到了 0.7623 MAR@10 的成绩，超过了所有竞争对手。

    Jul, 2022

  • 从语义检索到成对排名：在电子商务搜索中应用深度学习

    本文介绍了如何将深度学习模型应用到电商平台搜索系统的重要阶段之一 - 商品检索和排名中，以提高语义检索和个性化排名的效果。

    Mar, 2021

  • BUSTLE: 通过学习引导的探索实现自下而上的程序合成

    本研究介绍了一种利用学习指导自下而上程序搜索的新兼并方法，以中间的程序为基础，通过输入输出示例进行搜索，从而构建程序，该方法在程序综合方面非常有效。

    Jul, 2020