- F-FOMAML:使用代理数据的 GNN 增强型元学习进行高峰期需求预测
我们提出了一种新颖的方法,利用非高峰时期的类似实体的代理数据以及基于图神经网络的特征学习模型,将需求预测问题转化为元学习问题,并开发了基于特征的第一阶段模型无关元学习算法 (F-FOMAML),通过利用代理数据和 GNN 生成的关系元数据来 - LiLiuM: eBay 的大型语言模型用于电子商务
我们介绍了由 LiLiuM 系列构成的大型语言模型(LLMs):1B、7B 和 13B 参数模型,这些模型完全由 eBay 内部开发,以适应 eBay 在电子商务领域的特定需求,并实现了对模型许可、数据、词汇表和架构的全部控制,使得它们可以 - 大规模观点概括:使用 XL-OPSUMM 进行增量观点概括
电子商务中的意见总结基于用户对产品的评论,该研究通过提出 Xl-OpSumm 框架实现对大规模评论的生成总结,并在实验中展示其在 AMASUM 和 Xl-Flipkart 数据集上的效率提升。
- IntentionQA:一项评估电子商务语言模型购买意向理解能力的基准测试
在这篇论文中,我们提出了 IntentionQA,一个双重任务多项选择问题回答基准,用于评估语言模型对电子商务中购买意图的理解能力。通过以购买的产品为基础推测意图,并利用它们预测额外的购买,LMs 被赋予了推断意图的任务。Intention - WSDM利用世界事件预测异常下的电子商务消费者需求
通过利用世界事件中蕴含的外部知识,本研究提出了一种基于 transformers 的方法来预测未来的消费者行为,在异常情况下取得了比现有方法更好的表现。
- GenToC: 利用部分标记的数据进行产品属性值识别
为了提高搜索和推荐系统,在电子商务领域中准确提取产品列表中的属性 - 值对(例如:品牌:Apple)至关重要。为了应对这些挑战,我们介绍了 GenToC,这是一种从产品标题中提取属性 - 值对的新型两阶段模型,能够以部分标记数据进行训练,并 - 位置编码与上下文并不相同:顺序推荐中的位置编码研究
通过分析位置编码,我们发现它们提供了不可从时间信息推断的项之间的相对信息,并且不同的编码方式会影响指标和稳定性。我们通过研究发现正确的位置编码可以达到最新的最先进结果,但更重要的是,某些编码方式能够稳定训练。
- 电商领域大型语言模型的公平性调查:进展、应用与挑战
本研究综述了大型语言模型在电子商务中的公平性,包括其应用、进展和面临的挑战。研究探讨了大型语言模型在电子商务领域的关键应用,如产品评论、产品推荐、产品信息翻译和产品问答等,并指出了公平性挑战以及未来研究方向。
- GaussianVTON:通过多阶段高斯喷洒编辑实现的三维人体虚拟试衣
本研究提出了一种创新的 3D VTON 管道,将高斯喷洒(GS)编辑与 2D VTON 相结合,并首次提出仅使用图像作为 3D 编辑的编辑提示,同时采用三阶段细化策略逐渐减轻潜在问题,并引入一种名为 ERR 的新的编辑策略来解决以往编辑策略 - 多模态方法用于统一编码预测
通过深度学习模型,我们提出了一种新的多模态海关编码预测方法,利用图像和文本特征相结合的海关申报信息和电子商务平台信息。实验证明了我们的方法和融合方法的有效性,分别具有 93.5% 和 98.2% 的前三和前五准确率。
- 低秩在线动态组合优化与双重上下文信息
电子商务领域中的个性化推荐和动态组合问题的新型低秩模型,通过有效算法和实验验证,实现了高效利用用户和商品特征,并显著改进了既有文献中的表现。
- ACLEIVEN:多模态 LLM 实现高效的隐式属性值提取
在电子商务中,准确从多模态数据中提取产品属性值对于提高用户体验和零售商的运营效率至关重要。为了解决这些问题,我们引入了 EIVEN,一个数据和参数高效的生成框架,首次使用多模态 LLM 来进行隐含属性值提取,并通过对比学习技术降低模型混淆, - 在产品问答中识别购物意图用于主动推荐
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 - 产品描述与问答辅助自我监督意见摘要
在电子商务中,通过引入额外的信息源和自主训练的方法,我们提出了一种新颖的综合数据集创建策略来生成观点摘要。我们的模型采用了多编码器解码器框架,针对每个信息源使用一个编码器以在生成摘要时实现有效信息选择。实验证明,我们的方法与目前的最佳模型相 - 图神经网络用于治疗效果预测
使用图神经网络结合节点回归和消息传递机制,结合收集训练数据的策略,在大规模电子商务数据中实现对有限标记样本的因果效应估计。
- 基于机器学习的电子商务产品智能分类与个性化推荐
个性化推荐系统在电子商务领域的应用及挑战,以及利用 BERT 模型和最近邻算法设计的 eBay 电子商务平台的个性化推荐系统的高效性和可行性。
- 电子商务的一种新型基于行为的推荐系统
本研究提出了一种基于用户行为的推荐系统,通过聚类活跃用户、确定邻域、收集相似用户、基于相似用户计算产品声誉以及推荐高声誉产品等方法,结合产品类别的无监督聚类方法,提供精确的个性化推荐,改善了电子商务推荐系统的性能和准确性。实验结果显示,该方 - 一种时间高效和身份一致的虚拟试穿方法:基于改进扩散模型的变体
本研究讨论了当代电子商务和前景元宇宙中虚拟试穿的关键问题,强调在各种场景中保留目标人物和衣物的复杂纹理细节和独特特征所面临的挑战,并探索了现有方法的局限性和未解决的问题,随后提出了一种基于扩散的新颖解决方案,该解决方案在虚拟试穿过程中解决了 - 基于 Transformer 模型的智能电子商务推荐的文本理解与生成
Transformer 结构预训练模型在电子商务领域的核心应用场景包括但不限于产品描述的自动生成、用户评论的情感分析、个性化推荐系统的构建和客服对话的自动处理。本研究通过对模型的工作原理、实施过程和具体案例中的应用效果进行详细分析,强调了预 - KDD智能路由中的复杂性中的师生学习
通过开发一个机器学习框架,我们预测客户联系的复杂程度并相应地将其转接给适当的代理商,从而显著提高了顾客体验,并提出了一个用于统计评估客户服务效果的有用指标,称为复杂度 AUC。