可控梯度物品检索

本文识别并研究一个重要的梯度物品检索问题。我们将该问题定义为：给定参考物品与修改文本，检索在某一属性上逐渐变化的一系列物品。例如，顾客看过一件白色连衣裙后，想买一件类似但花纹更多的。‘更多花纹’的程度是主观的，因此提示一件花纹连衣裙难以满足顾客需求。更好的方式是呈现基于白色连衣裙、花纹属性递增的一系列产品，并允许顾客从中选择最满意的一件。现有物品检索方法主要关注目标物品是否出现在检索序列顶部，却忽略了对某一属性渐变物品序列的检索需求。为处理该问题，我们提出一种弱监督方法，可从用户-物品交互数据中学习解耦的物品表示，并将属性的语义意义锚定到物品表示的各个维度。我们的方法以参考物品与修改为查询。推理时，我们从参考物品出发，沿物品表示空间中修改的方向“行走”，以梯度方式检索物品序列。我们证明所提方法可通过弱监督实现解耦。此外，经验表明我们的方法检索出的物品序列在指定属性上逐渐变化，且在物品检索任务中，我们的方法在三个不同数据集上优于现有方法。