May, 2023

CCGen：电子商务中可解释的补充概念生成

PDF
TL;DR本文提出和研究了互补概念生成（CCGen）方法，使用语言模型对给定的概念进行训练，可以产生高质量的互补概念并解释预测结果，对于电子商务领域中的查询建议和商品推荐至关重要。
complementary concept generationlanguage modelsitem recommendationquery suggestione-commerce
发现论文，激发创造
  • 关键词驱动的多样化和具体化澄清问题生成

    研究了利用 CQGen 提高电子商务网站产品描述的效果，提出了 Diverse CQGen 和 KPCNet 模型，可以更准确地生成问题，提高消费者体验。

    Apr, 2021

  • 学习组合视觉协调性以进行互补推荐

    本文提出了一种新颖的内容注意力神经网络，可以模拟全局和语义结构的综合组成连贯性，并通过多个头部监督的全局连贯模块（GCL）和基于不同语义 / 关键区域的集中连贯学习模块（FCL）来学习集中连贯性，并在大规模真实世界数据上进行的实验表明，与几种最先进的方法相比，该方法的有效性得到清楚证明。

    Jun, 2020

  • CommonGen: 一个面向生成通识常识推理的受限文本生成挑战

    本文介绍了一个基于 CommonGen 任务的数据集，用于评估预训练语言模型的生成常识推理能力，任务的难点在于需要进行关系推理并具有通用性，实验结果表明目前最先进的文本生成模型与人类表现存在很大差距，且生成的常识推理能力可以用于提高 Downstream 任务的性能。

    Nov, 2019

  • 生成 - 判别互补学习

    本文提出了一种生成 - 判别式互补学习方法，称为互补条件 GAN（CCGAN），通过建模条件（判别）和实例（生成）分布来提高预测普通标签的准确性和生成高质量实例的能力，同时拥有弱监督下检索真实条件分布的能力，可有效解决缺乏高质量标注数据的问题。

    Apr, 2019

  • 从购物篮和浏览会话推断互补产品

    本文提出了 BB2vec 模型，通过同时分析购物篮和浏览会话（浏览产品的网页），学习产品的向量表示，用于推荐互补产品，在解决商品冷启动问题上表现更优越。该模型优于仅使用购物篮数据的其他模型。

    Sep, 2018

  • 检索增强型通识生成模型

    采用检索方法增强先前训练和微调，提出了一种新的框架用于增强常识生成，通过原型句子候选集，进一步使用可训练的句子检索器提高其性能，并在大规模 CommonGen 基准测试上实现了最新的最优结果。

    May, 2021

  • 推断可替代和互补产品的网络

    提出了一种基于主题模型的方法，通过产品评论等多维数据，预测和发现替代和补充产品之间的关系，应用于亚马逊的大规模商品目录数据集。

    Jun, 2015

  • GenCO: 利用组合性质生成多样的设计问题解决方案

    通过与嵌入式组合优化求解器集成的深度生成模型，我们提出了 GenCO 框架，旨在发现与非线性目标一致的高质量解决方案，解决了传统的生成模型和优化求解器在遵循离散 / 组合约束和惩罚偏离方面的困难，以生成多样的、高质量的解。

    Oct, 2023

  • 使用相互一致性学习组合视觉概念

    本文提出了一种基于生成对抗网络的概念学习方法 ConceptGAN，该方法可用于联合从不同数据集中学习多个概念，并通过循环一致性实现数据增强以提高现实世界应用鲁棒性。实验结果表明，该方法能够生成语义上有意义的图像，并且在一次性人脸验证中取得了出色的效果。

    Nov, 2017

  • 自动生成高质量 CCGbanks，用于解析领域自适应

    本文提出了一种基于依存树的语料库自动生成的领域自适应方法，简单易用且性能显著，适用于最先进的解析器，通过对生物医学文本、问题句子、语音对话和数学问题的实验数据验证，性能提高了 6.3% 到 8.3%。

    Jun, 2019