A Usage-centric Take on Intent Understanding in E-Commerce

要約

ユーザーの意図を特定して理解することは、電子商取引にとって極めて重要なタスクです。
製品の推奨やビジネス ユーザー プロファイリング分析における重要な役割にもかかわらず、意図の理解は一貫して定義されておらず、正確にベンチマークもされていません。
この論文では、「顧客が製品をどのように使用するか」としての述語的なユーザーインテントに焦点を当て、製品オントロジーから独立した自然言語推論タスクとしてインテントの理解を提示します。
私たちは、FolkScope、SOTA E-Commerce Intent Knowledge Graph の 2 つの弱点、つまりカテゴリーの硬直性とプロパティの曖昧性を特定しました。
これらにより、ユーザーの意図と最も望ましい特性を持つ製品を強力に調整し、さまざまなカテゴリにわたって有用な製品を推奨する能力が制限されます。
これらの観察に続いて、新しい評価フレームワークとサンプル データセットを特徴とするプロダクト リカバリ ベンチマークを紹介します。
このベンチマークでは、上記の FolkScope の弱点をさらに検証します。
コードとデータセットは https://github.com/stayones/Usgae-Centric-Intent-Understanding で入手できます。

要約(オリジナル)

Identifying and understanding user intents is a pivotal task for E-Commerce. Despite its essential role in product recommendation and business user profiling analysis, intent understanding has not been consistently defined or accurately benchmarked. In this paper, we focus on predicative user intents as ‘how a customer uses a product’, and pose intent understanding as a natural language reasoning task, independent of product ontologies. We identify two weaknesses of FolkScope, the SOTA E-Commerce Intent Knowledge Graph: category-rigidity and property-ambiguity. They limit its ability to strongly align user intents with products having the most desirable property, and to recommend useful products across diverse categories. Following these observations, we introduce a Product Recovery Benchmark featuring a novel evaluation framework and an example dataset. We further validate the above FolkScope weaknesses on this benchmark. Our code and dataset are available at https://github.com/stayones/Usgae-Centric-Intent-Understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google