Apr, 2024

在产品问答中识别购物意图用于主动推荐

PDF
TL;DR语音助手在电子设备中广泛使用，但如何让语音助手主动向用户提供建议尚未得到充分关注。本文针对电子商务领域中的购物产品问题进行了研究，通过识别用户的购物需求，语音助手能够提供产品或交易建议，提升购物体验。通过使用用户的购物历史数据，我们提出了一种基于 Mixture-of-Experts (MoE) 模型的新型特征，能够准确识别购物产品问题，取得了较高的 F1 得分。在实际用户中进行在线评估，我们能够实时识别购物产品问题并向用户推荐购物动作，提高用户加入购物清单的比率。
发现论文，激发创造
  • 使用产品元数据为对话式购物助手提供问题建议

    通过使用大型语言模型（LLMs），我们提出了一个框架，可以自动生成与产品有关的上下文、有用、可回答、流畅且多样化的问题，并建议这些问题给客户作为帮助和提示，从而实现更顺畅、更快速、减少对话开销和摩擦的购物体验。

    May, 2024

  • 学习提问：基于问题的序列贝叶斯产品搜索

    本研究提出了一种针对电子商务中产品搜索的交互式方法，即基于问题的顺序贝叶斯产品搜索方法，QSBPS，该方法可以通过直接查询用户，学习产品相关性以及潜在问题的回报，从而大大提高了产品搜索的性能。

    Aug, 2019

  • 构建主动式语音助手：何时以及如何（不）进行交互

    论文探讨了如何开发下一代具有主动行为的语音助手，介绍了相应的设计框架与用户研究结果，以解决其可能带来的用户体验与隐私问题。

    May, 2020

  • 语音助手的追问建议通过语音提示

    通过使用序列到序列的转换器，我们研究了语音助手的采用、声控搜索和查询建议等相关主题，并提供了一种有效的方法来生成紧凑且自然的语音暗示。

    Oct, 2023

  • 用户激励下的后验网络用于推荐理由生成

    本文针对电商平台商品的推荐问题，提出一种基于用户内容和单品属性生成推荐理由的多源后置 transformer 模型，实验表明该模型优于传统模型，能更好地关注用户关注的方面。

    Feb, 2021

  • 通过使用相关问题在对话式推荐系统中征求用户偏好

    该研究论文提出了一种基于使用情况的隐式问题提取方法，利用大型评论语料库中的句子和神经文本转换模型生成问题，以更有效地收集用户偏好，通过众包方式完成多阶段数据注释协议以准确标记神经模型训练数据，并进行了模型性能分析。

    Nov, 2021

  • 生成 - 检索：面向意图的产品搜索问答检索

    通过建立一个意图感知的 FAQ 检索系统，实现在产品搜索中集成 FAQ 检索，提高用户购买决策和购后支持满意度。

    Jun, 2023

  • 电商产品问答：一项调查

    本文系统地回顾现有的产品问答研究，将 PQA 研究分为四种问题设置，并分析了各种设置的优缺点、现有数据集和评估协议。同时，作者总结了 PQA 所特有的最重要的挑战，并讨论了它们对应的解决方案和未来研究方向。

    Feb, 2023

  • 电子商务查询中的意图术语选择与优化

    在电子商务搜索中，通过利用历史查询重构日志，采用远程监控的方法来确定查询的产品意图，进而在搜索引擎中强调定义查询的产品意图的术语，从而改善排名。实验证明比非情境性基线更胜一筹，可以解决查询处理中出现的多种问题。

    Aug, 2019

  • ProductAgent：带有向用户询问澄清问题功能的对话式产品搜索代理的性能评估

    介绍了在电子商务场景中对产品需求进行澄清的任务，使用任务导向的代理人通过提问澄清问题来实现更准确、个性化的产品搜索，提出了具备战略澄清问题生成和动态产品检索能力的会话式信息获取代理人 ProductAgent，并通过 PROCLARE 基准进行了性能评估实验，结果表明 ProductAgent 与用户积极互动，增强了检索性能且随着对话轮数的增加，用户需求变得逐渐更明确和详细。

    Jul, 2024