eC-Tab2Text: Aspect-Based Text Generation from e-Commerce Product Tables

要約

大規模な言語モデル（LLMS）は、多様なドメイン全体で並外れた汎用性を実証していますが、eコマースへのアプリケーションは、ドメイン固有のデータセットが不足しているため、既に採用されていないままです。
このギャップに対処するために、詳細な製品属性やユーザー固有のクエリなど、eコマースの複雑さをキャプチャするように設計された新しいデータセットであるEc-Tab2Textを紹介します。
EC-TAB2TEXTを活用すると、製品テーブルからのテキスト生成に焦点を当て、LLMが構造化された表形式データから高品質の属性固有の製品レビューを作成できるようにします。
微調整されたモデルは、標準のTable2textメトリックを使用して、正確性、忠実さ、流ency性評価を使用して厳密に評価されました。
私たちの結果は、コンテキストの正確なレビューを生成する際の大幅な改善を示しており、電子商取引ワークフローを最適化する際のカスタマイズされたデータセットの変革の可能性と微調整方法を強調しています。
この作業は、eコマースワークフローにおけるLLMの可能性と、業界固有の課題に合わせてドメイン固有のデータセットの本質的な役割を強調しています。

要約(オリジナル)

Large Language Models (LLMs) have demonstrated exceptional versatility across diverse domains, yet their application in e-commerce remains underexplored due to a lack of domain-specific datasets. To address this gap, we introduce eC-Tab2Text, a novel dataset designed to capture the intricacies of e-commerce, including detailed product attributes and user-specific queries. Leveraging eC-Tab2Text, we focus on text generation from product tables, enabling LLMs to produce high-quality, attribute-specific product reviews from structured tabular data. Fine-tuned models were rigorously evaluated using standard Table2Text metrics, alongside correctness, faithfulness, and fluency assessments. Our results demonstrate substantial improvements in generating contextually accurate reviews, highlighting the transformative potential of tailored datasets and fine-tuning methodologies in optimizing e-commerce workflows. This work highlights the potential of LLMs in e-commerce workflows and the essential role of domain-specific datasets in tailoring them to industry-specific challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google