基于意图的电商产品集合构建：使用预训练语言模型
信息检索
2021-10-18 v1 计算与语言
摘要
构建购物产品集合主要一直是一项人力工作。凭借匠心的手工努力，专家收集具有共同购物意图但又多样的相关产品，这些产品一同展示时颇为有效，例如用于新生入学礼物包的背包、笔记本电脑包和邮差包。自动构建集合需要 ML 系统学习顾客意图与产品属性之间的复杂关系。然而，存在若干难点，例如 1）冗长复杂的意图语句，2）丰富多样的产品属性，3）二者之间巨大的语义鸿沟，使该问题困难重重。在本文中，我们使用预训练语言模型（PLM）利用网络规模产品的文本属性来构建基于意图的产品集合。具体而言，我们通过将意图语句设为锚点、对应产品设为正例来以三元组损失训练 BERT。此外，我们通过基于搜索的负采样和按类别的正例对增强来提升模型性能。我们的模型在离线评估中显著优于基于搜索的基线模型用于基于意图的产品匹配。 furthermore，我们电商平台的在线实验结果表明，与专家策划的集合相比，基于 PLM 的方法能构建出具有更高点击率（CTR）、转化率（CVR）和订单多样性的产品集合。
引用
@article{arxiv.2110.08241,
title = {Intent-based Product Collections for E-commerce using Pretrained Language Models},
author = {Hiun Kim and Jisu Jeong and Kyung-Min Kim and Dongjun Lee and Hyun Dong Lee and Dongpil Seo and Jeeseung Han and Dong Wook Park and Ji Ae Heo and Rak Yeong Kim},
journal= {arXiv preprint arXiv:2110.08241},
year = {2021}
}
备注
Accepted to IEEE International Workshop on Data Mining for Service (DMS2021)