利用发现的动态μ-主题在Pinterest上廉价快速地生成可用分类法
计算与语言
2023-01-31 v1
摘要
创建兴趣分类法昂贵且耗费人力：我们不仅需要确定节点并互连，为使用分类法，还必须将节点连接到用户、图钉（pins）和查询等相关实体。连接到实体具有挑战性，因为语言固有的歧义，也因为个体兴趣是动态演变的。此处我们提供一种替代方法，从自下而上发现称为pincepts的μ-主题开始。发现过程本身以高精度将这些μ-主题与相关查询、图钉和用户动态连接，自动适应变化的兴趣。Pincepts覆盖用户兴趣的所有领域，自动适应用户兴趣的具体程度，因此适合创建各类分类法。人类专家将分类法节点与μ-主题关联（平均每个节点3个μ-主题），μ-主题提供了一种高层数据层，允许快速定义、即时检视和轻松修改。更强大的是，μ-主题允许轻松探索邻近语义空间，使策划者能发现并填补空白。策划者的领域知识被重度利用，因此我们不需未经训练的机械 Turks，进一步降低成本。这些μ-主题从而提供了一个令人满意的“符号”层来定义分类法。我们已成功应用该技术在极短时间内迭代并上线了用于基于风格个性化的家居装饰与时尚风格分类法，其显著展示在Pinterest搜索结果顶部，精度达94%，搜索成功率提升34.8%，同时增加了长点击与图钉保存。
引用
@article{arxiv.2301.12520,
title = {Producing Usable Taxonomies Cheaply and Rapidly at Pinterest Using Discovered Dynamic $\mu$-Topics},
author = {Abhijit Mahabal and Jiyun Luo and Rui Huang and Michael Ellsworth and Rui Li},
journal= {arXiv preprint arXiv:2301.12520},
year = {2023}
}