DEFTri：一种用于电商产品缺陷分派的少样本标签融合上下文表示学习方法
软件工程
2023-07-24 v1 计算与语言
摘要
缺陷分派（Defect Triage）在电商大规模敏捷软件开发生命周期中是一个对时间敏感且关键的过程。该领域中由人与流程依赖导致低效，促使了使用机器学习自动将缺陷准确分配给合格团队的研究。本工作提出一种用于自动缺陷分派的新型框架（DEFTri），使用在标签融合文本嵌入上微调的最先进预训练 BERT，以改善来自人工生成产品缺陷的上下文表示。针对我们的多标签文本分类缺陷分派任务，我们还引入了一个沃尔玛专有产品缺陷数据集，采用弱监督与对抗学习，在少样本设定下构建。
引用
@article{arxiv.2307.11344,
title = {DEFTri: A Few-Shot Label Fused Contextual Representation Learning For Product Defect Triage in e-Commerce},
author = {Ipsita Mohanty},
journal= {arXiv preprint arXiv:2307.11344},
year = {2023}
}
备注
In Proceedings of the Fifth Workshop on e-Commerce and NLP ECNLP 5 2022 Pages 1-7