WWWMar, 2024

电子商务搜索中的层次化查询分类

PDF
TL;DR通过增强的表示学习和细粒度实例关系的对比损失，以及关注内在标签分类法的细粒度层次分类损失，我们提出了一种新颖的框架来解决层次化查询分类的挑战，同时利用与已标注查询共享的无标签查询的相似性智能地选择这些查询以提高分类性能。实验证明，我们的方法优于专有的 Amazon 数据集上的最先进方法，并与 Web of Science 和 RCV1-V2 的公共数据集中的最先进方法相媲美，这些结果凸显了我们提出解决方案的有效性，并为下一代层次感知查询分类系统铺平了道路。
发现论文，激发创造
  • 电子商务系统中基于深度分层分类的类别预测

    提出在电子商务系统中利用神经网络构建深度分层分类框架进行自动分类预测，定义多层次分类树的表示共享策略，引入新的联合损失函数对分层分类进行惩罚，实验证明该方法在分类准确率方面优于现有方法。

    May, 2020

  • HierCat: 在 Facebook Marketplace 上利用弱监督数据进行层级化查询分类

    本文提出了一种名为 HierCat 的查询分类系统，该系统通过使用双编码器体系结构的多任务预训练和分层推理步骤来从弱监督训练数据中有效地学习，以解决 Facebook Marketplace 等客户对客户电子商务平台上查询分类的挑战。实验结果表明，HierCat 不仅在离线实验中优于常用方法，而且在实际应用中，Facebook Marketplace Search 的 NDCG 指标有了 1.4% 的提升，并且搜索者的参与度增加了 4.3%。

    Feb, 2023

  • 联合层次结构学习和大规模图像分类

    本文介绍了一种基于层次化视觉数据结构的图像分类方法，该方法利用层次聚类创建了可变长度的视觉树，从而更准确地进行分类。该方法在 ILSVRC2010 和 Caltech 256 基准数据集上获得了显著更好的分类准确率。

    Sep, 2017

  • 不分类，翻译：通过机器翻译进行多级电子商务产品分类

    本文提出了一种基于机器翻译的产品分类新范式，通过将产品的自然语言描述翻译成代表产品分类树中从根到叶子的路径的一系列标记，实现了比最先进的分类系统更好的预测准确性，并且可以在分类树中提出有意义的新路径，将其转换为有向无环图，从而有助于用户友好浏览和适应新产品的分类。

    Dec, 2018

  • 基于分层可扩展查询的融合 Transformer 增强分类

    本文提出了一种通过层次化方法和可学习的独立查询嵌入来提高细粒度分类的方法，结合转换块对特征图的不同尺度进行融合，使用 CAMP 模块帮助减少误差传播，与现有方法相比，精度提高了约 11%。

    Feb, 2023

  • 电子商务中的产品分类使用分布语义学

    针对商品分类中的文本表示和算法效率问题，我们提出了一种新的分布式语义表示方法和两层集合式分类器来降低错误率，实验结果表明，我们的方法比先前的方法在各种评价指标上更有效。

    Jun, 2016

  • 重要学术会议论文的层次主题分类

    本文发展了一个用于层次化文本分类的决策支持系统，提出了一种加权层次化相似性函数来计算主题的相关性，并使用熵来估计权重。通过与其他方法比较，该加权层次化相似性函数在主题排名准确性方面有了更好的改进。

    Jun, 2024

  • 从隐式反馈数据中学习分层物品类别，实现高效推荐和浏览

    使用来自隐式反馈数据的分层项目类别，以实现在线市场中有效的浏览和推荐。通过基于用户的协同消费行为创建类别，可以使用户更容易找到有趣和相关的商品。 HLTA-Forest 是一个用于隐式反馈数据的缩放学习算法，可用于创建基于类别的推荐，并且还可以用于自动创建商品分类骨架。

    Jun, 2018

  • 在决策前咨询父母及其子代：充分利用层次结构进行自监督分类法扩展

    本文提出了层次扩展框架 (HEF)，旨在更好地利用分类法的分层结构进行分层扩展。HEF 在多个方面利用分类法的分层结构，利用亲属关系检测和几个树独特功能来评估其子树的连贯性，并引入适合度评分来选择最优位置，将信息交换用于消歧和自我纠正。该模型在三个基准数据集上的实验表明，通过更好地利用层次结构和优化分类法的连贯性，HEF 在准确性和平均倒数排名方面平均提高了 46.7% 和 32.3% 的精度，远远超过了之前的最佳水平。

    Jan, 2021

  • 朝着更好的电子商务搜索的简化本体论

    本文介绍了一种称为 Query Understanding 的语义搜索方法，针对电子商务搜索，提出了一种简化的本体框架，探讨了基于该框架的商品分类自动提取方法，并进行了绩效比较。

    Jul, 2018