GraphEx: A Graph-based Extraction Method for Advertiser Keyphrase Recommendation

要約

オンライン販売者と広告主は、リストされた製品のキーフレーズを推奨しており、販売を強化するために入札します。
このような推奨事項を生成する一般的なパラダイムの1つは、アイテムへのキーフレーズのタグ付け/マッピングを含む極端なマルチラベル分類（XMC）です。
eコマースプラットフォームでのキーフレーズの推奨事項に、従来のアイテムクエリベースのタグ付けまたはマッピング手法を使用することの制限を概説します。
Graphexを紹介します。これは、アイテムタイトルからトークン順列の抽出を使用して、売り手にキーフレーズを推奨する革新的なグラフベースのアプローチです。
さらに、精度/リコールなどの従来のメトリックに依存することは、実際のアプリケーションでは誤解を招く可能性があることを実証し、それにより、現実世界のシナリオでのパフォーマンスを評価するためにメトリックの組み合わせを必要とすることを実証します。
これらのメトリックは、アイテムとのキーフレーズの関連性とバイヤーアウトリーチの可能性を評価するように設計されています。
Graphexは、eBayの生産モデルを上回り、上記の目的を達成します。
これは、数十億のアイテムに対して、リソースが制約されている生産環境とスケールにおけるほぼリアルタイムの推論をサポートします。

要約(オリジナル)

Online sellers and advertisers are recommended keyphrases for their listed products, which they bid on to enhance their sales. One popular paradigm that generates such recommendations is Extreme Multi-Label Classification (XMC), which involves tagging/mapping keyphrases to items. We outline the limitations of using traditional item-query based tagging or mapping techniques for keyphrase recommendations on E-Commerce platforms. We introduce GraphEx, an innovative graph-based approach that recommends keyphrases to sellers using extraction of token permutations from item titles. Additionally, we demonstrate that relying on traditional metrics such as precision/recall can be misleading in practical applications, thereby necessitating a combination of metrics to evaluate performance in real-world scenarios. These metrics are designed to assess the relevance of keyphrases to items and the potential for buyer outreach. GraphEx outperforms production models at eBay, achieving the objectives mentioned above. It supports near real-time inferencing in resource-constrained production environments and scales effectively for billions of items.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google