ソース| Jingdongはカイクラウド開発
過去数十年にわたり、人間のコンピューティングパワーは偉大なアップグレードがあった。データが蓄積として、ますます洗練されたアルゴリズムは、我々は人工知能の時代に入ってきました。確かに、非常に大規模で複雑な背景にある人工知能、技術は素晴らしいですが、データとアルゴリズムの概念を理解することは困難です。多くの人が思っている、実用的なものをアプリケーションになりましたかAIがそれだろう将来的には？
実際には、AIの実用化とビジネス価値のではなく、多くの場合、すでに私たちの側の「ファンタジー」、そう。次に、紙[AI]列が解釈されます,, AI技術は、AIに関連する論文を読むことによって、誰も秘密の浅い深さのための電子ビジネスの分野から関連する着陸と実践通電する方法である、と。
電子ビジネスの分野における人工知能技術は、アプリケーションシナリオの富を持っています。シナリオは、データエントリで、精錬技術によって得られたデータは、順番に、技術に作用し、二人はお互いを補完します。
自然言語理解と知識マップ技術に基づいJingdongのは、AIの商品マーケティング・コンテンツの書き込みサービスを開発しました。そして、より良い商品Jingdongモール[]チャンネルを見つけるために、この技術を適用します。
材料AIの作成を販売商品の数十万人、コンテンツを書く人の最新情報と製品の更新の間に大きなギャップを埋めるだけでなく、チャネルの内容の豊かさを強化するだけでなく、フォト。
一方、露出CTR、ビジネスへの転換率及びその他の詳細に関して、AI-生成されたコンテンツは、実際にはより良いコンテンツマーケティングの人工的な創造よりも示しました。
のは、コンバージョン率のマーケティングを改善するために、さまざまなマーケティング戦略とマーケティングのコピーの異なるスタイルを使用して、異なるグループのために、見てみましょうことはAIによって実現する方法です。
従来のテキストのサマリータスクと比較して、商品のサマリータスクは、より挑戦します。一方で、顧客への商品には、顧客の購入意思決定に重要な影響を与えている製品の外観からの第一印象です。したがって、商品の概要商品システムは、商品の特徴的な外観を反映し、完全に視覚情報をタップすることができなければなりません。一方、異なる製品は、異なるセールスポイントを持っています。例えば、小型の冷蔵庫の省スペース、環境に優しい省エネ冷蔵庫の利点の利点。そのため、商品の概要は、このように買いにつながった消費者を最大化、商品の最もユニークな側面を反映すべきです。
この記事は、AIのJingdongの研究所が提案した教示した商品モデルのマルチモーダル要約電気の供給者、モデルは効果的に、投影を生成する平滑化し、単純なテキストの抜粋の商品に商品を販売する、視覚とテキスト情報を統合することができます。
紙はタイトルは：中国のEコマース製品のためのアスペクト-Awareのマルチモーダル要約 AAAI 2020年に出版され、。
論文は、リンクされています
http://box.jd.com/sharedInfo/2926429040ECC7D3
抽象モデルマルチモーダル
以下に示すように、商業広告のテキスト記述が多く含まれ、顧客情報は、顧客が複数の項目を比較したい場合は特に、短時間でこれらの広告で貴重な商品を得ることが困難である多くの時間を過ごすことになり、ショッピング体験に影響を与えます。製品概要モデルは、潜在的な消費財を理解するために、短い時間のために利便性を提供し、商品のためのテキストの要約を生成することができます。ビューの消費者の意思決定ポイント、製品特性及び情報財の販売の外観も提案されている商品の抽象モデルの開始点を反映させる必要性の良い要約の観点から。
図1
マルチモーダル紙は、図1に示した抽象要素は、製品モデルの画像、表題生成物とを入力として他の製品の説明、製品のテキスト要約を生成する商品の商品に基づいた方法を提案します。このモデルは、効果的要素からの製品や商品に関する視覚的及びテキスト情報を統合することができるだけでなく、商品の特性要素は、可能な商品要約世代限り含まれており、製品のスニペットの流暢さとシンプルさを向上させます。
「 -概要商品」はい、カバー家電、衣類やバッグカテゴリ紙は、中国商品要約データセットを構築し、データセットは、約140万が含まれています。ことをデータが示すのこのセットについての実験結果を自動および手動評価評価で提案されているモデルは、有意に良好な他の比較方法よりもありました。
モデルの紹介
ネットワークジェネレータ（ポインタジェネレータ） - 2、抽象モデルに基づく商品は、紙ポインタで提案されています。グローバル映像デコーダ初期化商品特性を使用してエンコーダを初期化した商品のグローバルな特徴画像の使用、及び局所特徴製品イメージの使用を含むモデルに商品画像の情報を用いて3つの戦略、ベクトルの注意機構コンテキストによって生成された画像デコードに関与。
図2
、その後、商品の要素から出発して、（洗濯機、商品要素は等容量およびエネルギー消費量を含む異なる商品のような属性、いわゆる商品要素）を要約することの重要性を最初の、製品モデリング特徴、非冗長性と可読性モデリング。
（1）生産カバーされた商品の抽象モデルの機能の要素を奨励するためにRAML商品ベースのトレーニング要素（報酬は、最大尤度を増大さ）。図2（B）に示すように、グランドトゥルース特徴の製品は容量、モータ制御であり、モデル記述は、発電容量、制御モータに関連付けられたテキストを奨励することになります。
冗長情報商品基づいカバレッジ機構要素（2）脱。伝統的なカバレッジ・メカニズムは、冗長ワード寸法に関連する単語が冗長な問題に対処することは困難です。、「ノイズ」、「静か」と「静かな」は、本製品の要素「操作音」に記載されて示されるように、図2（c）に示すように、場合のみ、「ノイズ」冗長であると、それは「静か」を確保することが困難であり、「静かに「要約には表示されません。冗長性への商品の次元の要素によって提案されたモデル、「ノイズ」を避けるために、「静か」と「静かな」も抽象的に表示されます。
（3）商品要素による機構に要約ジャンプバックの可読性を向上させます。図2（d）に、コモディティリバウンドの要素は、消費者の読書体験に影響を与える、商品概要のコヒーレンスを低減説明しました。効果的な現象を避けるため、無効リバウンド語要素をデコードすることによって提案されたモデル。
実験結果
表1は、提案モデルの概要とマルチモーダル製品に示すように、モデルは、商品の商品要素サマリータスクでの視覚情報及び商品情報を示す、すべての平文の良好な結果に基づいてMMPGモデルより得られます。それは重要な役割を果たしています。
表1
概要
紙は、製品の画像、タイトルやその他のテキスト表現を利用することができ、マルチモーダル財モデルの概要を提示し、商品のサマリーを生成します。提案されたモデルは、効果的に商品視覚情報を利用し、非冗長および効果的なモデリングの商品要素の可読性の観点の重要性から、商品の特徴要素を反映することができます。
善良な人々によって飼料の過程で電気プロバイダ、コンテンツマーケティング、マス商品の場合、書き込みは、コンテンツの不足が生じ、マーケティング・コンテンツの線速度よりも有意に高く、人間の制限、製品の更新レートの効率によって制限されています。
発電効率、露出CTR、コンバージョン率などにおけるAI-生成されたコンテンツは、実際には、受注がコンテンツマーケティングの人工的な創造に優れ示しています。この方法は、縦型電気プロバイダに適用される電気の供給、電気の供給、社会、新しいメディアプラットフォームや他の多くのシナリオが統合されています。
【end】
◆精彩推荐◆
「AI应用技术大师课」是CSDN发起的“百万人学AI”倡议下的重要组成部分，4月份AI大师课以线上技术峰会的形式推出，来自微软、硅谷TigerGraph、北邮等产学界大咖就图计算+机器学习，语音技术、新基建+AI、AI+医疗等主题展开分享，扫描下方二维码免费报名，限时再送299元「2020AI开发者万人大会」门票一张。
推荐阅读
それぞれ「見た目」のあなたのポイント、真剣AIとしてI
