DEFTri: A Few-Shot Label Fused Contextual Representation Learning For Product Defect Triage in e-Commerce

要約

欠陥トリアージは、電子商取引の大規模なアジャイル ソフトウェア開発ライフサイクルにおいて時間制限があり、重要なプロセスです。
この領域における人間とプロセスの依存関係から生じる非効率性を考慮して、機械学習を使用して適格なチームに欠陥を正確に割り当てる自動化アプローチの研究が推進されています。
この研究では、人間が生成した製品欠陥のコンテキスト表現を改善するために、ラベル融合テキスト埋め込みに微調整された最先端の事前トレーニング済み BERT を使用する、自動欠陥トリアージ (DEFTri) のための新しいフレームワークを提案します。
マルチラベルテキスト分類の欠陥トリアージタスクでは、弱い監視と敵対的学習を使用したウォルマート独自の製品欠陥データセットを数ショット設定で導入します。

要約(オリジナル)

Defect Triage is a time-sensitive and critical process in a large-scale agile software development lifecycle for e-commerce. Inefficiencies arising from human and process dependencies in this domain have motivated research in automated approaches using machine learning to accurately assign defects to qualified teams. This work proposes a novel framework for automated defect triage (DEFTri) using fine-tuned state-of-the-art pre-trained BERT on labels fused text embeddings to improve contextual representations from human-generated product defects. For our multi-label text classification defect triage task, we also introduce a Walmart proprietary dataset of product defects using weak supervision and adversarial learning, in a few-shot setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google