文献

J-GLOBAL ID：202002247604635366   整理番号：20A2139368

JointMap:Eコマース探索における意図階層のモデル化のための共同問合せ意図理解【JST・京大機械翻訳】

JointMap: Joint Query Intent Understanding For Modeling Intent Hierarchies in E-commerce Search

著者 (4件)： Ahmadvand Ali (Emory University, Atlanta, GA, USA) ,  Kallumadi Surya (The Home Depot, Atlanta, GA, USA) ,  Javed Faizan (The Home Depot, Atlanta, GA, USA) ,  Agichtein Eugene (Emory University, Atlanta, GA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGIR ’20  ページ： 1509-1512  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ユーザの質問意図の正確な理解は,クエリスコーピングやランキングのような下流タスクの性能改善を助けることができる。e-コマースドメインでは,クエリ理解における最近の研究は,製品-カテゴリマッピングへのクエリに焦点を合わせている。しかし,質問の小さいが有意な割合(著者らのウェブサイト1.5%または2019における33Mクエリ)は,それらと関連する非商業的意図を持つ。これらの意図は,通常,割引,貯蔵時間,インストールガイドなど,非商業的情報探索を必要とする。本論文では,2つの異なる高レベルユーザ意図タスクを同時に学習するための深層学習モデルである,共同質問情報理解(JointMap)を導入した。1)質問の市販対非商業的意図の同定,2)製品クエリに対する分類における関連製品カテゴリーの集合の連携。共同学習過程を通して,これらの2つの関連タスクの間に存在している移動バイアスをレバーすることによって,ジョイントMapモデルを研究する。これらのタスクに対するラベル付きデータセットの短縮は,高価で時間がかかるので,高品質の訓練データセットを生成するために,アクティブ学習モデルと組み合わせた遠隔監視手法を提案した。ジョイントMapの有効性を実証するために,大規模商用ウェブサイトから収集された検索クエリを使用した。結果は,ジョイントMapが,最先端の深層学習法よりも平均で2.3%と10%の「市販対非商業的」意図予測と製品カテゴリーマッピングの両方を著しく改善することを示した。著者らの知見は,電子商取引検索エンジンにおける意図的階層をモデル化するための有望な方向を示唆した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報検索 ,  学習 ,  等級づけ ,  バイアス ,  有効性 ,  遠隔監視 ,  検索エンジン ,  *電子商取引 ,  高品質 ,  深層学習
準シソーラス用語： 訓練データ ,  能動学習 ,  学習過程 ,  クエリー ,  検索式 , 【Automatic Indexing@JST】

著者キーワード (3件)： eコマースシーチ ,  共同意図学習 ,  質問理解

分類 (1件)： 検索技術  (AC06020S)

タイトルに関連する用語 (8件)： eコマース ,  探索 ,  意図 ,  階層 ,  モデル化 ,  共同 ,  問合せ ,  意図理解