eコマースにおけるバリアント製品マッチングのためのエンコーディングおよび生成大規模言語モデルを用いた統合AIアプローチ

科学分野:

• 人工知能
• eコマーステクノロジー
• データサイエンス

背景:

• 従来のエンティティ解決は、同一製品のマッチングに焦点を当てており、eコマースにおける重要なバリアント関係を無視しています。
• 類似の、同一ではない製品を特定することは、共有レビューやウェブページリストなどのアプリケーションにとって不可欠です。

研究 の 目的:

• バリアント製品関係のための新しいエンティティ解決戦略を導入すること。
• eコマースカタログでバリアント製品ペアとその区別する属性を正確に特定すること。

主な方法:

• バリアント関係マッチャー（VARM）戦略を開発しました。
• エンコーディング大規模言語モデル（LLM）をトレーニングするためのウェブページ製品リンクのデータセットを構築しました。
• 製品のバリエーションと共通点を抽出するために、検索拡張生成プロンプト生成LLMを採用しました。

主要な成果:

• VARMは、バリアント製品のマッチングとその変化する属性を正常に特定します。
• この戦略は、実際のeコマースデータにおいて代替ソリューションを上回ります。
• このタスクのためにエンコーディングおよび生成AIを組み合わせることの有効性を示しました。

結論:

• VARMは、バリアント製品リンクをキャプチャすることにより、eコマースエンティティ解決の新しい標準を確立します。
• このアプローチは、複雑な製品関係のより良い活用を可能にします。
• この発見は、eコマースデータ管理とユーザーエクスペリエンスに大きな影響を与えます。