Une Comparaison Empirique des Approches Génératives pour l'Identification des Attributs-Valeurs de Produit

Les attributs de produit sont essentiels pour les plateformes de commerce électronique, soutenant des applications telles que la recherche, les recommandations et les réponses aux questions. La tâche d'Identification des Attributs et Valeurs de Produit (PAVI) consiste à identifier à la fois les attributs et leurs valeurs à partir des informations sur le produit. Dans cet article, nous formulons PAVI comme une tâche de génération et fournissons, selon nos connaissances, l'évaluation la plus complète de PAVI jusqu'à présent. Nous comparons trois stratégies différentes de génération d'attributs-valeurs (AVG) basées sur l'amélioration fine d'architectures encodeur-décodeur sur trois jeux de données. Les expérimentations montrent que l'approche AVG bout-en-bout, qui est efficace sur le plan computationnel, surpassent les autres stratégies. Cependant, il existe des différences en fonction des tailles des modèles et du modèle linguistique sous-jacent. Le code permettant de reproduire toutes les expérimentations est disponible à l'adresse suivante : https://github.com/kassemsabeh/pavi-avg