奇妙的嵌入及其对齐方法：多店铺场景下的零样本推断
信息检索
2020-07-30 v1 机器学习
摘要
本文应对利用多个嵌入空间实现多店铺个性化的挑战，证明了通过无需人工干预地将购物意图从一个网站迁移到另一个网站，零样本推断是可行的。我们详述了先在店铺内训练和优化嵌入的机器学习流水线，并以额外的定性见解支撑定量发现。随后我们转向更困难的跨店铺使用所学嵌入的任务：若不同店铺的商品居于同一向量空间，则用户意图——由该空间中的区域表示——便可以零样本方式跨网站迁移。我们提出并基准测试了在无监督与有监督条件下“游走”于嵌入空间的方法，各自对数据数量与质量有其假设。我们通过对共享嵌入空间以事件预测与输入联想（type-ahead）两项下游任务进行测试，表明零样本个性化确可规模化实现。最后，我们策划了一个跨店铺匿名嵌入数据集，以促进对这一重要业务场景的包容性讨论。
引用
@article{arxiv.2007.14906,
title = {Fantastic Embeddings and How to Align Them: Zero-Shot Inference in a Multi-Shop Scenario},
author = {Federico Bianchi and Jacopo Tagliabue and Bingqing Yu and Luca Bigon and Ciro Greco},
journal= {arXiv preprint arXiv:2007.14906},
year = {2020}
}
备注
accepted at 2020 SIGIR Workshop On eCommerce