基于生成对抗网络的改进查询扩展方法用于电子商务信息抽取
机器学习
2023-01-03 v1 密码学与安全
信息检索
摘要
本工作提出了一种使用生成对抗网络（GAN）进行查询扩展（QE）的替代方法，以提升电子商务中信息搜索的有效性。我们提出了一种改进的 QE 条件 GAN（mQE-CGAN）框架，该框架通过用从文本输入中提出语义信息的合成生成查询来扩展查询，从而解析关键词。我们训练一个序列到序列的 transformer 模型作为生成器来产生关键词，并使用一个循环神经网络模型作为判别器来对生成器的对抗输出进行分类。借助改进的 CGAN 框架，从查询文档语料库中收集的多种形式的语义洞察被引入生成过程。我们利用这些洞察作为生成器模型的条件，并讨论它们对查询扩展任务的有效性。我们的实验表明，与基线模型相比，在 mQE-CGAN 框架内使用条件结构可使生成序列与参考文档之间的语义相似度提高近 10%。
引用
@article{arxiv.2301.00036,
title = {Modified Query Expansion Through Generative Adversarial Networks for Information Extraction in E-Commerce},
author = {Altan Cakir and Mert Gurkan},
journal= {arXiv preprint arXiv:2301.00036},
year = {2023}
}
备注
Submitted to Expert Systems with Applications