Query2Prod2Vec：面向电子商务的基于产品的词嵌入方法
信息检索
2021-04-07 v1 机器学习
摘要
我们提出Query2Prod2Vec，一种将产品搜索的词汇表示锚定于产品嵌入的模型：在我们的模型中，词义是词语与数字商店中产品潜在空间之间的映射。我们利用购物会话学习底层空间，并使用商品标注构建用于评估的词汇类比：我们的实验表明，该模型比自然语言处理(NLP)与信息检索(IR)文献中的已知技术更准确。最后，我们强调了在零售巨头之外进行产品搜索时数据效率的重要性，并指出Query2Prod2Vec如何契合大多数从业者面临的实际约束。
引用
@article{arxiv.2104.02061,
title = {Query2Prod2Vec Grounded Word Embeddings for eCommerce},
author = {Federico Bianchi and Jacopo Tagliabue and Bingqing Yu},
journal= {arXiv preprint arXiv:2104.02061},
year = {2021}
}
备注
Published as a conference paper at NAACL2021 - Industry Track