ترغب بنشر مسار تعليمي؟ اضغط هنا

التعلم الموجه في التسمية لتصنيف البند في التجارة الإلكترونية

Label-Guided Learning for Item Categorization in e-Commerce

239   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تصنيف البند هو تطبيق مهم لتصنيف النص في التجارة الإلكترونية بسبب تأثيرها على تجربة التسوق عبر الإنترنت للمستخدمين.يتم استخدام فئة واحدة من تقنيات تصنيف النص التي اكتسبت الاهتمام مؤخرا المعلومات الدلالية للملصقات لتوجيه مهمة التصنيف.لقد أجرينا تحقيقا منهجيا في الفوائد المحتملة لهذه الطرق على بيانات حقيقية مجموعة من شركة تجارة إلكترونية كبرى في اليابان.علاوة على ذلك، باستخدام مساحة مفرط لتضمين ملصقات المنتجات التي يتم تنظيمها في هيكل هرمي أدت إلى أداء أفضل مقارنة باستخدام تضمين الفضاء الإقليدي التقليدي.توضح هذه النتائج كيف يمكن للتعلم الموجه على التسمية تحسين أنظمة تصنيف البند في مجال التجارة الإلكترونية.

المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

نقترح نظاما عمليا للناسب الفوري للإجابة على صفحات المنتج لخدمات التجارة الإلكترونية، حيث يتم استرداد أزواج كل مستخدم في كل مستخدم، ويتم استرجاع أزواج إجابة سؤال المجتمع (CQA) ذات الصلة. تختلف استعلامات المستخدم وأزواج CQA بشكل كبير في خصائص اللغة الت ي تتخصصها التعلم صعبة. يتعلم نموذجنا القائم على المحولات لدينا وظيفة ذات أهمية قوية من خلال التعلم بالاشتراك في التمثيلات النحوية والدلية الموحدة دون الحاجة إلى بيانات المسمى البشرية. يتم تحقيق ذلك من خلال الإشراف المستمر على النموذج لدينا عن طريق تقطير من تنبؤات نظام مطابق سنوي على استعلامات المستخدم والتدريب في وقت واحد مع أزواج CQA. يساعد التدريب مع أزواج CQA النموذجية في تعلم النموذج الدلالي الوهمي في ضمان الجودة والرقابة البعيدة التي تتيح تعلم ميزات النحوية وكذلك الدفراء الدقيقة من لغة الاستعلام عن المستخدم. بالإضافة إلى ذلك، يقوم نموذجنا بتشفير الاستعلامات والردود المرشحة بالسماح بشكل مستقل إلى تدوين تضمين المرشح غير المتصل بالإنترنت مما يقلل من الحاجة إلى تنفيذ نموذج محول في الوقت الفعلي. وبالتالي، فإن إطار عملائنا قادر على التوسع إلى حركة مرور QA التجارة الإلكترونية الكبيرة. يوضح التقييم المكثف على استعلامات المستخدم أن إطارنا يتفوق بشكل كبير على كل من خطوط الأساس المنتجة والدلية في وضع عدم الاتصال بالإضافة إلى إعدادات A / B على نطاق واسع لخدمة التجارة الإلكترونية الشعبية على نطاق واسع.
يعتبر التحكيم الإلكتروني و ما يصدر عنه من قرارات إلكترونية من أهم الوسائل الحديثة لحل المنازعات الناتجة عن المعاملات التجارية الإلكترونية، و بما أن قرار التحكيم الإلكتروني الذي يصدر عن هيئة التحكيم الإلكترونية، يتم بالوسائل الإلكترونية سواء من حيث الكتابة أو التوقيع و هذا يستلزم توفر القواعد القانونية اللازمة لتنظيمه و التي تفتقر إليها غالبية تشريعات دول العالم المختلفة كما و أن الزام الطرف الخاسر في هذا القرار بتنفيذ التزامه قضائياً أو بالوسائل البديلة لم تألفه النظم القانونية التقليدية التي تتعامل بالمحررات الاعتيادية و التوقيع التقليدي كل ذلك كان مدعاتا لاهتمامنا لاختيار فعالية قرارات التحكيم الإلكتروني في حل منازعات التجارة الإلكترونية، موضوع لبحثنا هذا و الذي حتم علينا توزيعه على مبحثين تناولنا في الأول منه ماهية قرارات التحكيم الإلكتروني و افرغنا الثاني لضمان فعالية قرار التحكيم الإلكتروني و انهينا البحث بخاتمة الموضوع.
أظهرت نماذج اللغة الموجودة مسبقا مسبقا (PLMS) فعالية التعلم الإشراف على الذات لمجموعة واسعة من مهام معالجة اللغة الطبيعية (NLP). ومع ذلك، فإن معظمهم لا يدركون بشكل صريح المعرفة الخاصة بالمجال، وهو أمر ضروري لمهام المصب في العديد من المجالات، مثل المه ام في سيناريوهات التجارة الإلكترونية. في هذه الورقة، نقترح K- المكونات، نموذج لغة محقوم المعرفة مسبقا بناء على محول تشفير التشفير التي يمكن تحويلها إلى كل من فهم اللغة الطبيعية ومهام الجيل. على وجه التحديد، نقترح خمسة أهداف مسبقة الإشراف على علم المعرفة على المعرفة في تصميم تعلم المعرفة الخاصة بالمجال، بما في ذلك قواعد المعرفة الخاصة بالمجال التجاري، وجوانب كيانات المنتج، وفئات من كيانات المنتجات، ومقترحات البيع الفريدة من كيانات المنتج. نتحقق من طريقتنا في مجموعة متنوعة من سيناريوهات التجارة الإلكترونية التي تتطلب معرفة خاصة بالمجال، بما في ذلك إكمال قاعدة معارف المنتج، وخصم منتج مبيعات، والحوار متعدد الدوران. تتفوق K- التوصيل بشكل كبير على خطوط الأساس في جميع المجالات، والتي توضح أن الطريقة المقترحة تتعلم بفعالية مجموعة متنوعة متنوعة من المعرفة الخاصة بالمجال لكل من مهام الفم والجيل اللغوي. رمز لدينا متاح.
يمكن للبشر التمييز بين فئات جديدة بكفاءة للغاية مع عدد قليل من الأمثلة، إلى حد كبير بسبب حقيقة أن البشر يمكنهم الاستفادة من المعرفة التي تم الحصول عليها من المهام ذات الصلة.ومع ذلك، يميل نموذج تصنيف النص في التعلم العميق إلى الكفاح لتحقيق أداء مرض عن دما تكون البيانات المسمى نادرة.مستوحاة من الذكاء البشري، نقترح تقديم المعرفة الخارجية إلى سلطة قليلة التعلم لتقليد المعرفة الإنسانية.يتم التحقيق في شبكة مولدات المعلمة الرواية بهذا الغاية، والتي تتمكن من استخدام المعرفة الخارجية لتوليد مقاييس مختلفة لمهام مختلفة.المسلحة مع هذه الشبكة، يمكن لمهام مماثلة استخدام مقاييس مماثلة في حين تستخدم المهام المختلفة مقاييس مختلفة.من خلال التجارب، نوضح أن أسلوبنا تتفوق على نماذج تصنيف النص القليلة لقلة سوتا.
التعلم الإشرافه يفترض أن ملصق الحقيقة الأرض موجود.ومع ذلك، فإن موثوقية هذه الحقيقة الأرضية تعتمد على المنشآت البشرية، التي لا توافق في كثير من الأحيان.وقد أظهر العمل السابق أن هذا الخلاف يمكن أن يكون مفيدا في نماذج التدريب.نقترح طريقة جديدة لدمج هذا الخلاف كمعلومات: بالإضافة إلى حساب الأخطاء القياسي، نستخدم التسميات الناعمة (أي توزيعات الاحتمالات على الملصقات Annotator) كملقمة مساعدة في شبكة عصبية متعددة المهام.نقيس الاختلاف بين التنبؤات والملصقات الناعمة المستهدفة مع العديد من وظائف الخسائر وتقييم النماذج على مهام NLP المختلفة.نجد أن المهمة الإضافية للتنبؤ بالعلامة الناعمة تقلل من عقوبة الأخطاء بشأن الكيانات الغامضة، وبالتالي تخفف من التجول.يحسن بشكل كبير الأداء عبر المهام، بما يتجاوز النهج القياسي والعمل السابق.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا