- 推荐系统技术及电子商务领域综述
本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展,并通过分析最近的研究,提供了当前发展的详细概述,识别了推荐系统中的现有困难,为实践者和研究人员提供了必要的指导和见解。
- SIGIR时尚电商尺码推荐系统中整合顾客评论
提出了一种能够利用顾客评价信息与顾客、产品特征来进行尺码预测的新方法,与仅使用产品和顾客特征的方法相比,该方法在四个不同数据集上显示出 1.37% 至 4.31% 的 F1 得分提升。
- 电子商务中可控的文本编辑:草稿、命令和修改
本研究提出了一种新的基于任务控制的电商网站商品描述文本自动生成方法,通过采用草稿 - 命令 - 编辑(draft-command-edit)的方式,系统可以根据用户的指令(删除或添加),以灵活的方式进行修改和生成商品描述,同时提出了数据增强 - KDD提升电子商务搜索结果的几点实践
本研究旨在通过应用自然语言处理方法来提高搜索结果的质量,从而显著增强电子商务搜索引擎的用户体验和参与度。我们在 Amazon KDD Cup 2022 中排名第一、第二和第三,讨论了我们的实用解决方案,可在此 https URL 获取代码。
- 统一学习方案与动态范围最小化提升多模态电子商务属性值提取
该研究旨在通过统一学习方案和动态范围缩小,提高多模式电子商务属性值提取的性能,通过预训练模型和动态范围缩小方法,将多模式任务联合训练,并选择属性原型来改进当前方法的预测性。
- MMBlock-SCL: 产品匹配中监督对比学习中的阻塞问题
介绍了一种将 Block-SCL 与产品匹配技术相结合的方法,该方法使用 blocking 输出来生成更丰富的批次,为模型提供了更强的训练信号,学习到更有意义的产品匹配句子嵌入,从而实现了在多个公共数据集中达到最先进水平的结果。
- ACL基于知识的简单有效的查询扩展实现 QA 型产品属性提取
提出基于简单知识驱动的查询扩展方法,从训练数据中检索查询的值,通过两个方法来训练模型,结果表明该方法在电商网站上的属性值提取任务中具有较好的性能提升,特别是对于罕见和模糊的属性的提取效果更明显。
- KDD自适应多视角规则发现用于弱监督兼容产品预测
本文提出 AMRule,一种基于多视图规则发现的弱监督学习框架。通过决策树和预训练语言模型分别从结构化属性表和非结构化产品描述中生成高可组合性的高阶规则和基于提示的规则,从而适应性地发现标签规则,提高产品兼容性预测的准确性,实验结果表明 A - KDD电子商务中产品图片序列的自动生成
本文提出一种新的学习框架,利用文本评论反馈和产品文本描述来生成电子商务中的产品图像序列。 通过从离线评估中收集的数据,我们展示了该框架的高效性和有效性,主要包括主要图像选择、非符合内容检测和图像去重等模块。
- KDD电子商务自动可控产品文案撰写
本文介绍了一种基于前缀的可控商品文案生成系统 (EPCCG),该系统通过提取特征,标注,生成和品控主要四个组成部分实现了自动商品文案生成。实验证明该系统有效性,同时介绍了将该系统应用于电商推荐平台的架构及显著的成效。
- 使用机器学习和基于网络的算法进行意见垃圾检测的新方法
本研究提出一种新方法将机器学习与消息传递算法相结合,采用主动学习方式进行标签采样,用于判别评论者是垃圾评论者还是正常评论者,并在三大真实数据集中进行实验,证明其在机器学习方法和标签数据较少情况下性能优越。
- ColdGuess: 一种通用而有效的关系图卷积网络用于应对冷启动情况
本研究提出了基于异构卖家产品图的归纳式图形风险预测器 ColdGuess,能够高效地对规模庞大的产品进行打分以辨别风险,且已在生产环境中得到应用,其在新卖家销售新产品时性能甚至高于 lightgbm 34 个百分点
- EMNLP电子商务领域常识知识显著性评估的基准数据集
本文介绍了一项新的监督常识知识显著性评估任务,并发布了一个新的基准数据集。研究表明,常识知识显著性评估是一项具有挑战性的任务,我们提出了一种简单但有效的方法 - PMI-tuning,为解决这个新问题提供了希望。
- 基于场景的电子商务多产品广告文案生成
本篇论文提出了一种用于电子商务的自动化场景多产品广告文案生成系统 (SMPACG),它由两个主要组成部分构成:1) 自动化多产品组合选择模块,2) 自动化多产品广告文案生成模块。该系统是第一个实现了场景驱动的多产品广告内容自动生成,在电子商 - 基于对抗神经表示学习的异构域自适应:以电子商务和网络安全为例的实验
该研究提出了一种新的框架 Heterogeneous Adversarial Neural Domain Adaptation (HANDA),专门针对异构环境下的域自适应问题,通过统一的神经网络架构实现特征和分布的对齐以及域不变性,并在主 - WWWOA-Mine: 开放世界下的弱监督电子商务产品属性挖掘
本文中,我们研究了开放世界环境下的属性挖掘问题,提出了基于预训练语言模型的属性挖掘框架,该框架能够从产品标题中提取短语,生成属性值候选项,并将其聚类成属性组。通过自集成技术,我们成功地处理了开放世界挑战,并在大规模样本集和测试集上取得了显著 - KDD全球价格问题的解决:将事实抽取形式化为问答任务
本研究介绍了一种基于问题回答 (QA) 方法的价格计算法,利用深度字符级卷积神经网络进行单位类型预测和相关数量提取,以提高其价格计算的准确性和效率
- 用户行为监督下的产品分类扩展:从所做的事情中学到所需的知识
本文提出了一种自我监督和用户行为导向的产品分类法拓展框架,通过从现有的分类法和用户点击日志中抽取用户感兴趣的候选下义词关系并利用预训练语言模型和图神经网络结合对比学习来建模概念和关系,以自动将新概念附加到现有分类法,从而减少手动更新的人力成 - 探索推荐系统中客户价格偏好和产品利润角色
本文研究了调整利润意识对推荐系统的影响,提出了基于得分推荐系统的预测排名调整的方法,并在时尚领域的两个行业数据集上探讨了利润和客户价格偏好对系统的影响。实验表明,该方法能提高推荐系统的准确性和盈利能力,实现电子商务平台和客户的双赢局面。
- 推荐系统的消费者价值与商业价值平衡:基于模拟分析
本文提出了一种基于代理模型的模拟框架,旨在帮助提供商探索不同推荐策略的纵向动态,以设计维持业务成功的平衡推荐策略,研究表明,在更多考虑客户效用的情况下,不忽视盈利能力的混合策略能够在长期中实现最高累计利润,同时社交媒体可以增强观察到的现象。