京东商城背后的AI技术能力揭秘 - 基于关键词自动生成摘要
来源 | 京东智联云开发者
过去几十年间，人类的计算能力获得了巨大提升；随着数据不断积累，算法日益先进，我们已经步入了人工智能时代。确实，人工智能概念很难理解，技术更是了不起，W L S F背后的数据和算法非常庞大复杂。很多人都在疑惑，现在或D ~ ^ x ^ n未来AI将会有哪些实际应用呢？
其实，关于. A & Y 3 / ? yAI的实际应用以及所带来的商业价值并没有那? p ^么的“玄幻”，很多时候就已经在我们的身边。接下来，【AI论文解读】专栏将会通过相关AI论文的解读，由深入浅地为大家揭秘，AI技术r g j 3 S x K z是如何对e t F { M电商领域7 G H 4 ; e进行赋能，以及相Y w K c , *关的落地与实践。
人工智能技术在电商领域，有着丰富的应用场景。应用场景是数据入口，数据通过技术得到提炼，反过来又作用于技术，二者相辅相成。
京东基于自然语言理解与知识图谱技术，开H N 8 l发了商品营销内容AI写作服务。并将此项技术应用到了京东商城【发现好货】频道中。
通过AI创作的数十万商品营销图文素材，不仅填补了商品更新与达人写作内容更新e O y H 1 ) X之间的巨大缺口，也提升了内容频道的k A 1 S 8 % D 1内容丰富性。
同时，AI生成内容在曝光点击率、进商K g 6 W详转y a G化率等方面其实都表现出了优于人工创作营销的内容。
接下来让我们一起来看看，针对不同群体采用不同营销策略及不同风格的营销文案从而提高营销转化率是怎样通过AI来实现的。
与传统的文本摘要任务相比，商品摘要任务更具 ; U (挑战性。一方面，商品给顾客的第一印象来y U ^自该商品的外观，M A ` , P `这对顾客的购买决策有着至关重要的影响。因此，商品摘要系统必须能够充分挖掘商品视觉信息，反映商品的外观特色。另一方面，不同的产品有不同的卖点。例如，紧凑型冰箱的优点是节省空间，而环保型冰箱的优点是节能。因此，商h V 0 F g % p品摘要应该反映商品最独特的方面，从而最大限度地促成消费者的购买。
本文接下来将介绍由京东 AI 研究院提出的一种电商商品的多模态摘要模型，该模型可以有效地整合商品的视觉和文本信息来生成卖点突出、流畅和简洁的商品文本摘要。
论文的标题为 ：Asf g k Spect-Aware Multimodal Summarization for Chinese E-Commerce Products ，发表于 AAAI 2020。
论文链接：
http://box.jd.com/sharedInfo/2926429040ECC7D3
多模态摘要模型
如下图1所示，商x ! B c q q品广告含有大量的文字介绍，顾客X L % ) A X 5 *很难在短时间内在这些广告中获取有价值的商品信息，尤其是当顾客想要比较多个商品时，将会耗费大量的时间，影响了购物体验。z S $ L x了一个中文商品摘要数据集，该数据集包含约140万个“商品-摘要”对，涵盖家电、服饰和箱包品类。在该数据集上的实验结果表明，文中提出的模型在自动评价和人工评价指标上都显著优于其他对比方法。
模型介绍
如图2所示，论文中提出的商品摘要模型基于指针-生成器网络（Pointer-Generator）。采用了三种策略将商品图像信息融入模型中，包括使用商品图片的全局特征初始化编码器，使用商品图片的全局特征初始化解码器，以及使用商品图片的局部特征，通过注意力W 1 y P P 3 H / j机制生成图片上下文向量参与解码。
图2
首先，对商品要素进行建模（所谓的商品要素，就是商品不同方面的属性。例如：对洗衣r + & v c 6机而言，商品要素包括容J e F c m量和能耗等），然后从商品的要素出发，对摘要的重要性、非冗余性和可读性进行建模。
(1)采用基于商品要素的RAML（reward augmented maximum likelihood）训练，鼓励模型生成的摘要涵盖商品的特色要素。如图2（b）所示，该商品ground-truth特色要素是容量、操控与电机，则该模型将会鼓励生成描述容量、操控H g ( F A T ; 6 ;与电机相关的文本 [ z ? 9 l；
(2)采用基于商品要素的 & o V 6 [ i O Y覆盖度机c u ~制消除冗余信息。传统覆盖度机制仅能g m ; % c 4 H在词维度进行去冗余，难以处理相关词冗余问题。如图2（c）所示，“noise”、“quiet”和“tranquil”均在描述“运行声音”这一商品要素，如果仅对“noise”进行去冗余，难以保证“quiet”和“tranquil”不出现摘要中。本文提出的模型通过商品要素维度的去冗余，A c + j U = v a可以避 u e ` 4 s N i免“noise”、“quiet”和“tranquil”同时出现在摘要中；
(3)通过商品要素放回跳机制提高摘要的可读性。如图2（d）所示，商品要素的回跳描述降低了商品摘要的连贯性，影响了消费者的d i速度明显高于营销内容上线速度，导致内容短缺。
AI生成内容在生成效率、曝光点击率、, I 4 O :订单转化率等方面其实都表现出了优于人工创作营销的内容。该方法正在应用于垂直电商、综合电商、社交电商、新媒体平台等众多场景。
【end】
用于单图像超分辨率的对偶回归网络，达到最新SOTA+ f F ^ 2 o | CVPR 2020
悼念前端大牛司徒正美
罗永浩抖音直播首秀：3小时1.1亿；微软曝三屏折叠机专利；Linux Mint 20仅提供64位版本
“死扛”高并发大流量，大麦抢票的技术涅槃之路
比特币由\"蒙面人\"创造，那下一个\"比特币\"还v x / y - G . P k会由蒙面人创造吗？
在容器上构建持续部署及最佳实践初探