出典:Qibin Chen, Junyang Lin, Yichang Zhang, Hongxia Yang, Jingren Zhou, Jie Tang : Towards Knowledge-Based Personalized Product Description Generation in E-commerce, Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD2019), Anchorage, Alaska, USA, (2019)
公開URL:https://arxiv.org/abs/1903.12457
概要:ECサイトにおける商品説明文の自動生成に関する論文です。商品タイトルから商品説明文を生成するEncoder-Decoderモデル(Base lineモデル)を考えます。このBase lineモデルによって生成される文章は一般的で曖昧な記述をすることが多くあまり使い物にならないとされています。商品説明文に必要な要素は次の2点であると本論文では主張しています。1.顧客の興味を促進するために、商品説明文は顧客の好みに基づいてパーソナライズされる必要があるとされています。2.顧客の意思決定に役立つ説明文には、商品の関連知識が含まれている必要があります。本論文では、パーソナライズされた情報量の多い説明文を生成するために、ユーザカテゴリや外部の知識ベースから取得してきた知識に基づいて商品紹介文を生成するKnowledge Based Personalizedモデルを提案します。
26. 実験結果 Do Attribute Fusion and Knowledge Incorporation improve generation diversity? 25
Attribute FusionによってDiversity(多様性)が向上
27. 実験結果 Do Attribute Fusion and Knowledge Incorporation improve generation diversity? 26
Knowledge IncorporationによってDiversity(多様性)が向上
28. 実験結果 Does our model capture characteristics of different attributes?
• Baselineは精度が低い
– 説明文が興味のあるユーザグループと一致していない可能性が高い
• 提案手法では精度が高い
– 属性を反映した記述が生成できている
27
提案モデル(KOBE)は意図した属性を反映した説明文を生成している
29. 実験結果 Ablation Study
• Ablation Study
– 上から順次削除(一番下はBaseline)
– konwledgeを削除すると
• BLEUは上昇、商品と関連性が高くない外部知識はモデルの性能を損な
う可能性がある(多様性には貢献)
– user categoryを削除すると
• BLEUが減少、多様性も減少
– aspectも削除すると
• また減少、属性は多様性に重要な貢献をしている
– 3つの要素はBLEUを犠牲にすることなく多様性(情報性)を大幅に上
昇
28