PulseAugur
实时 16:33:53
English(EN) Quality Over Clicks: Iterative Reinforcement Learning for Early-Stage E-Commerce Query Suggestion

新框架通过以质量为先的强化学习改进电子商务查询建议

研究人员开发了QualEQS,这是一个新颖的框架,用于在点击数据稀缺的早期部署场景中改进电子商务查询建议。这种以质量为先的迭代强化学习方法侧重于答案可得性、事实准确性和信息增益,而不是仅仅依赖点击率。该系统通过建议之间的群体层面分歧来识别模糊上下文和困难的训练案例,在一个真实的对话式购物助手中的在线性能提高了6.81%。 AI

影响 该框架提供了一种在低数据环境中改进由人工智能驱动的电子商务查询建议的方法,有可能提升用户体验和转化率。

排序理由 该集群包含一篇详细介绍查询建议新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架通过以质量为先的强化学习改进电子商务查询建议

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Qi Sun, Kejun Xiao, Huaipeng Zhao, Tao Luo, Xiaoyi Zeng ·

    Quality Over Clicks: Iterative Reinforcement Learning for Early-Stage E-Commerce Query Suggestion

    arXiv:2603.22922v2 Announce Type: replace Abstract: Existing dialogue systems rely on query suggestion to enhance user engagement. Recent approaches mainly optimize generative models using click-through rate (CTR) models to align with user preferences. However, these methods are …