[论文解读] Towards a simplified ontology for better e-commerce search

Aliasgar Kutiyanawala, Prateek Verma+2 more|arXiv (Cornell University)|Jul 5, 2018

Semantic Web and Ontologies参考文献 21被引用 6

一句话总结

本文提出了一种简化的、面向搜索优化的电子商务本体，围绕三个核心类——产品、品牌和属性——以及五个关键槽位构建，以提升查询理解能力。通过结合无监督与有监督的方法，包括增强图模型和双向LSTM-CRF，作者证明该本体可提升产品实体识别的准确率，其中增强图方法在顶级候选结果的精确率上优于基线图模型和LSTM-CRF模型。

ABSTRACT

Query Understanding is a semantic search method that can classify tokens in a customer's search query to entities such as Product, Brand, etc. This method can overcome the limitations of bag-of-words methods but requires an ontology. We show that current ontologies are not optimized for search and propose a simplified ontology framework designed specifically for e-commerce search and retrieval. We also present three methods for automatically extracting product classes for the proposed ontology and compare their performance relative to each other.

研究动机与目标

• 为解决电子商务中基于词袋的搜索方法因缺乏语义理解而常返回无关结果的局限性。
• 设计一种简化的、面向搜索的本体，以更好地支持客户查询的命名实体识别与分类（NERC）。
• 开发并比较三种自动化方法，从查询日志中提取产品类别，以填充所提出的本体。
• 评估这些方法在从真实世界搜索查询中识别原子性可销售产品术语方面的性能。

提出的方法

• 提出一个三类本体框架：产品、品牌和属性，包含五个槽位——同义词、属性、主要属性、品牌和默认产品，以支持语义搜索。
• 采用无监督的基线图方法，从查询日志构建共现图以提取潜在的产品术语。
• 提出一种增强图模型，通过引入词性标注（POS）来过滤非产品术语，从而提升精确率。
• 采用有监督的双向LSTM-CRF模型，基于六个类别（电子产品、女性服装等）的标注查询数据进行训练，以对查询标记进行命名实体识别。
• 在六个类别的查询数据上训练LSTM-CRF模型，并在婴儿用品类别上进行测试，以评估其在未见领域上的泛化能力。
• 使用精确率@N指标在前100名和前500名候选结果上评估所有三种方法，手动标注每个术语是否为有效且原子性的产品。

实验结果

研究问题

• RQ1 简化的、面向搜索的本体能否提升电子商务搜索系统中产品检索的准确性？
• RQ2 无监督与有监督方法在从查询日志中自动提取原子性产品类别方面表现如何比较？
• RQ3 在基于图的方法中引入词性标注是否能提升产品候选提取的精确率？
• RQ4 在某一类别上训练的模型在多大程度上可泛化到另一类别，例如能否从其他类别的训练数据中预测婴儿用品类别的产品？

主要发现

• 增强图方法在识别有效产品术语方面达到了最高精确率，优于基线图模型和LSTM-CRF模型，尤其在前100名候选结果中表现更优。
• LSTM-CRF模型从测试集中生成了超过300个候选，但其精确率在前50名之后的下降速度明显快于增强图模型。
• 基线图方法虽然准确率较低，但召回率更高，因此在无标注训练数据时推荐作为起点。
• 所提出的本体框架，包含三个核心类和五个槽位，能有效支持语义查询理解，并实现电子商务搜索中准确的NERC。
• 增强图模型利用POS标签显著提升了对非产品术语（如'men'或'baby'）的过滤能力，这些术语并非可销售商品。
• 人工评估确认，增强图方法在前10名候选中正确识别了8个有效产品，而LSTM-CRF模型仅识别出6个。