JPAVE：一种基于生成与分类的联合产品属性预测与值抽取模型
计算与语言
2023-11-08 v1 人工智能
摘要
产品属性值抽取是电子商务中的一项重要任务，可助力产品搜索与推荐等若干下游应用。多数先前模型使用序列标注或问答方法处理该任务，这类方法依赖值在商品文本中的序列位置信息，且易受训练与测试间数据差异的影响。这限制了它们对真实场景的泛化能力，在真实场景中每个产品可在不同购物平台拥有多种文本构成与风格各异的描述。它们对新值的零样本能力也有限。在本文中，我们提出一种具有值生成/分类与属性预测的多任务学习模型JPAVE，可在无需文本中值位置信息的情况下预测值。此外，值生成器中的复制机制与值分类器中的值注意力模块通过仅关注输入文本的相关部分并忽略导致差异问题（如文本中的句子结构）的其他信息，帮助我们的模型解决数据差异问题。此外，我们为开放世界与封闭世界场景设计了模型的两个变体。另外，基于值生成的第一个变体中引入的复制机制可提升其识别未见值的零样本能力。在公开数据集上的实验结果证明了我们的模型相较强基线的优越性及其预测新值的泛化能力。
引用
@article{arxiv.2311.04196,
title = {JPAVE: A Generation and Classification-based Model for Joint Product Attribute Prediction and Value Extraction},
author = {Zhongfen Deng and Hao Peng and Tao Zhang and Shuaiqi Liu and Wenting Zhao and Yibo Wang and Philip S. Yu},
journal= {arXiv preprint arXiv:2311.04196},
year = {2023}
}
备注
Accepted by 2023 IEEE International Conference on Big Data