본문으로 건너뛰기

동적 쇼핑몰 추천을 위한 계층적 생성 모델

대규모 온라인 상점에서 개인화된 storefront를 구축하는 데 사용되는 현재의 방법론은 rigidity와 고정된 테마, 제품 검색, 콘텐츠 순위를 결정하는 개별 구성 요소로 구성되어 있습니다. 이 방법론은 동적 목표 및 판매 목표를 지원하는 데 적합하지 않습니다. 이를 해결하기 위해 우리는 계층적 판매 프레임워크를 제시하고, storefront 구축을 두 가지 생성 태스크로 분할합니다: (i) 테마 생성 및 (ii) constrained keyword generation per placement으로 제품 검색을 위해 사용됩니다. Teacher-student fine-tuning은 이 프레임워크의 생산성 지연 및 비용 제약을 보완하기 위해 사용됩니다. Fine-tuned model ablations은 closed-weight LLM 성능에 접근합니다. 또한 우리는 AI-드라이브 콘텐츠 평가 및 품질 필터링 프레임워크를 제공하여 동적 콘텐츠의 안전하고 자동화된 배포를 가능하게합니다. 생성 출력은 전통적인 랭킹 모델과融合되어 하이브리드 인프라를 보존합니다. 온라인 실험에서 이 프레임워크는 강력한 기준선보다 페이지 뷰당 카트 추가 수에 +2.7%의.lift를 제공합니다.

AI 자동 생성

대규모 온라인 상점에서 개인화된 가게를 구축하는 데 사용되는 현재의 방법은과 고정된 디자인, 상품 검색, 콘텐츠 순위를 결정하는 개별 구성 요소로 구성되어 있습니다. 이러한 방법은 동적 목표 및 판매 목표를 지원하는 데 적합하지 않습니다. 이를 해결하기 위해 계층적 판매 프레임워크를 제시하고, 가게 구축을 두 가지 생성 작업으로 분할합니다: (i) 디자인 생성 및 (ii) 제한된 키워드 생성으로 상품 검색을 위해 사용됩니다.

교사-학생 미세 조정은 이 프레임워크의 생산성 지연 및 비용 제약을 보완하기 위해 사용됩니다. 미세 조정된 모델 분석은 가중치가 고정된 대규모 언어 모델 성능에 접근합니다. 또한 인공지능 기반 콘텐츠 평가 및 품질 필터링 프레임워크를 제공하여 동적 콘텐츠의 안전하고 자동화된 배포를 가능하게합니다. 생성 출력은 전통적인 순위 모델과 결합되어 하이브리드 인프라를 보존합니다.

온라인 실험에서 이 프레임워크는 강력한 기준선보다 페이지 뷰당 카트 추가 수에 +2.7%의 향상을 제공합니다. 계층적 판매 프레임워크는 동적 목표 및 판매 목표를 지원하는 데 적합합니다. 교사-학생 미세 조정은 이 프레임워크의 생산성 지연 및 비용 제약을 보완합니다. 인공지능 기반 콘텐츠 평가 및 품질 필터링 프레임워크는 동적 콘텐츠의 안전하고 자동화된 배포를 가능하게합니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 1일 전

소니와 유니버설 뮤직 그룹이 다시 소니우에 법적 조치 시행

소니(Sony)와 유니버설 뮤직 그룹(Universal Music Group)은 다시 한 번 선오(Suno)와 법적 분쟁을 제기했습니다. 소니와 유니버설 뮤직 그룹은 새로운 모델 v6가 이전 모델의 사용자 출력을 기반으로 학습했는데, 이전 모델은 유튜브(Youtube)와 같은 출처에서 불법적으로 음악을 훔치고 학습한 것이란 이유로 저작권 침해를 주장합니다. 소니와 유니버설 뮤직 그룹은 유니버

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.