电商多模态Transformer：用于推断用户购买意图以弥合查询-产品间隙的PINCER模型
信息检索
2025-01-28 v1 人工智能
机器学习
摘要
电商点击流数据和产品目录提供了关键的用户行为洞察和产品知识。本文提出一种多模态Transformer，称为PINCER，利用上述数据源将初始用户查询转换为伪产品表示。通过利用这些外部数据源，我们的模型可以从有限的查询中推断用户潜在的购买意图，并捕捉查询相关的产品特征。我们在受控和真实世界实验中展示了我们的模型在电商在线检索方面优于最先进方法的性能。我们的消融研究确认，所提出的Transformer架构和集成学习策略使我们能够从关键数据源中推断购买意图、提取产品特征，并增强从查询到更准确伪产品表示的转换流程。
引用
@article{arxiv.2501.14826,
title = {Multi-Modality Transformer for E-Commerce: Inferring User Purchase Intention to Bridge the Query-Product Gap},
author = {Srivatsa Mallapragada and Ying Xie and Varsha Rani Chawan and Zeyad Hailat and Yuanbo Wang},
journal= {arXiv preprint arXiv:2501.14826},
year = {2025}
}
备注
Published in IEEE Big Data Conference 2024, Washington DC