面向产品信息问答的监督式迁移学习
计算与语言
2019-01-10 v1 机器学习
摘要
诸如亚马逊等流行的电子商务网站提供社区问答系统，供用户提出产品相关问题，有经验的客户可自愿提供答案。在本文中，我们展示了在构建用于回答产品事实与规格相关问题的系统时，大量已有的社区问答数据是有益的。我们的实验结果表明，通过从现有的大规模亚马逊社区问答数据集进行简单的迁移学习，回答 Home Depot 网站所列产品相关问题的模型性能可大幅提升。在限制用于训练的目标任务数据规模的实验设置下，迁移学习可使准确率提高约 10%。作为本工作的应用，我们将本工作中训练的最佳性能模型集成到一个基于手机的购物助手中，并展示了其实用性。
引用
@article{arxiv.1901.02539,
title = {Supervised Transfer Learning for Product Information Question Answering},
author = {Tuan Manh Lai and Trung Bui and Nedim Lipka and Sheng Li},
journal= {arXiv preprint arXiv:1901.02539},
year = {2019}
}
备注
2018 17th IEEE International Conference on Machine Learning and Applications