面向富内容电商的跨域商品表征学习
计算机视觉与模式识别
2023-08-11 v1
摘要
短视频与直播平台的兴起革新了消费者的在线购物方式。消费者不再浏览商品页面，而是转向富内容电商，通过短视频和直播等动态交互媒体购买商品。这种新兴在线购物形式带来了技术挑战，因为商品在不同媒体域中可能呈现方式各异。因此，统一的商品表征对于实现跨域商品识别、保障最优用户搜索体验与有效商品推荐至关重要。尽管工业界迫切需求统一的跨域商品表征，以往研究主要仅关注商品页面，未考虑短视频与直播。为填补富内容电商领域的空白，本文引入一个大规模跨域商品识别数据集，称为 ROPE。ROPE 涵盖广泛商品类别，包含超过 180,000 件商品，对应数百万条短视频与直播。它是首个同时覆盖商品页面、短视频与直播的数据集，为建立跨媒体域的统一商品表征奠定基础。此外，我们提出一种跨域商品表征框架，即 COPE，其通过包含文本与视觉的多模态学习统一不同域中的商品表征。下游任务上的大量实验证明了 COPE 在为所有商品域学习联合特征空间方面的有效性。
引用
@article{arxiv.2308.05550,
title = {Cross-Domain Product Representation Learning for Rich-Content E-Commerce},
author = {Xuehan Bai and Yan Li and Yanhua Cheng and Wenjie Yang and Quan Chen and Han Li},
journal= {arXiv preprint arXiv:2308.05550},
year = {2023}
}
备注
ICCV23