HyperAIHyperAI

Command Palette

Search for a command to run...

مقارنة تجريبية للمناهج التوليدية لتحديد خصائص المنتج وقيمها

Kassem Sabeh* Robert Litschko† Mouna Kacimi‡ Barbara Plank† Johann Gamper*

الملخص

الخصائص المنتجية تعد مهمة للغاية للمنصات الإلكترونية للتجارة، حيث تدعم التطبيقات مثل البحث والتوصية وإجابة الأسئلة. تتضمن مهمة تحديد الخصائص والقيم المنتجية (PAVI) التعرف على الخصائص وقيمها من معلومات المنتج. في هذا البحث، نقدم PAVI كمهمة إنشائية ونقدم، حسب علمنا، أشمل تقييم لـ PAVI حتى الآن. نقارن بين ثلاث استراتيجيات مختلفة لإنشاء الخصائص والقيم (AVG) تعتمد على تعديل نماذج المُشفر-المُفكك (encoder-decoder) على ثلاثة مجموعات بيانات. تظهر التجارب أن النهج الشامل لإنشاء القيم والخصائص (end-to-end AVG)، الذي يتميز بالكفاءة الحسابية، يتفوق على الاستراتيجيات الأخرى. ومع ذلك، هناك اختلافات بناءً على أحجام النماذج والنموذج اللغوي الأساسي. يمكن الوصول إلى الكود المستخدم لإعادة إنتاج جميع التجارب من خلال الرابط التالي: https://github.com/kassemsabeh/pavi-avg


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
مقارنة تجريبية للمناهج التوليدية لتحديد خصائص المنتج وقيمها | مستندات | HyperAI