基于问答的产品属性抽取中简单有效的知识驱动查询扩展
计算与语言
2022-06-30 v1 人工智能
摘要
从电子商务网站进行属性值抽取（AVE）的一个关键挑战是如何处理面向多样产品的大量属性。尽管基于问答（QA）的方法（为给定查询（属性）在产品数据中查找值）部分解决了该挑战，但其对稀有和歧义查询效果不佳。因此我们提出基于查询（属性）可能答案（值）的简单知识驱动查询扩展，用于基于 QA 的 AVE。我们从训练数据中检索查询（属性）的值以扩展查询。我们使用两种技巧训练模型：知识丢弃（knowledge dropout）与知识词元混合（knowledge token mixing），以模拟测试中值知识的不完备性。在我们清洗版的 AliExpress 数据集上的实验结果显示，我们的方法提升了 AVE 性能（+6.08 宏 F1），尤其是对稀有与歧义属性（分别 +7.82 与 +6.86 宏 F1）。
引用
@article{arxiv.2206.14264,
title = {Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product Attribute Extraction},
author = {Keiji Shinzato and Naoki Yoshinaga and Yandi Xia and Wei-Te Chen},
journal= {arXiv preprint arXiv:2206.14264},
year = {2022}
}
备注
Published at ACL 2022