为对话式电子商务系统生成丰富的产品描述
计算与语言
2021-12-01 v1 机器学习
摘要
通过语音技术的最新进展以及Amazon Alexa、Apple Siri和Google Home等智能助手的引入，越来越多用户通过语音命令与各种应用交互。电子商务公司通常在网页上显示简短的产品标题，这些标题或为人工策划或为算法生成，在需要简洁时使用。然而，这些标题与自然口语不同。例如，“Lucky Charms Gluten Free Break-fast Cereal, 20.5 oz a box Lucky Charms Gluten Free”在网页上显示可以接受，但类似标题不能用于基于语音的文本转语音应用。在此类对话系统中，诸如“a 20.5 ounce box of lucky charms gluten free cereal”这样易于理解的句子更受青睐。与可向医生展示图像和详细产品信息的显示设备相比，在与语音助手交互时，传达最重要信息的产品短标题是必要的。我们提出eBERT，一种序列到序列方法，通过在电子商务产品描述语料库上进一步预训练BERT嵌入，然后微调所得模型以从输入网页标题生成简短、自然的口语化标题。我们在真实行业数据集上的大量实验以及对模型输出的人工评估表明，eBERT摘要优于可比较的基线模型。由于模型的有效性，该模型的一个版本已部署于真实环境中。
引用
@article{arxiv.2111.15298,
title = {Generating Rich Product Descriptions for Conversational E-commerce Systems},
author = {Shashank Kedia and Aditya Mantha and Sneha Gupta and Stephen Guo and Kannan Achan},
journal= {arXiv preprint arXiv:2111.15298},
year = {2021}
}
备注
8 pages, 1 figure. arXiv admin note: substantial text overlap with arXiv:2007.11768