ترجمه فارسی مقاله تطبیق گراف عصبی برای بازیابی ویدیو در تجارت الکترونیک مبتنی بر ویدیو در مقیاس بزرگ

چکیده

With the rapid development of the short video industry, traditional e-commerce has encountered a new paradigm, video-driven e-commerce, which leverages attractive videos for product showcases and provides both video and item services for users. Benefitting from the dynamic and visualized introduction of items,video-driven e-commerce has shown huge potential in stimulating consumer confidence and promoting sales. In this paper, we focus on the video retrieval task, facing the following challenges: (1) Howto handle the heterogeneities among users, items, and videos? (2)How to mine the complementarity between items and videos for better user understanding? In this paper, we first leverage the dual graph to model the co-existing of user-video and user-item interactions in video-driven e-commerce and innovatively reduce user preference understanding to a graph matching problem. To solve it, we further propose a novel bi-level Graph Matching Network(GMN), which mainly consists of node- and preference-level graph matching. Given a user, node-level graph matching aims to match videos and items, while preference-level graph matching aims to match multiple user preferences extracted from both videos and items. Then the proposed GMN can generate and improve user embedding by aggregating matched nodes or preferences from the dual graph in a bi-level manner. Comprehensive experiments show the superiority of the proposed GMN with significant improvements over state-of-the-art approaches (e.g., AUC+1.9% and CTR+7.15%). We have developed it on a well-known video-driven e-commerce platform, serving hundreds of millions of users every day

چکیده به فارسی (ترجمه ماشینی)

با توسعه سریع صنعت فیلم های کوتاه ، تجارت الکترونیکی سنتی با یک پارادایم جدید ، تجارت الکترونیکی مبتنی بر فیلم روبرو شده است ، که فیلم های جذاب را برای ویترین محصولات به دست می آورد و هر دو سرویس ویدیویی و مورد را برای کاربران فراهم می کند.با بهره گیری از معرفی پویا و تجسم شده موارد ، تجارت الکترونیکی مبتنی بر فیلم پتانسیل عظیمی را در تحریک اعتماد به نفس مصرف کننده و ارتقاء فروش نشان داده است.در این مقاله ، ما بر روی وظیفه بازیابی ویدیویی ، با چالش های زیر تمرکز می کنیم: (1) چگونه ناهمگونی ها را در بین کاربران ، موارد و فیلم ها انجام می دهیم؟(2) چگونه می توان مکمل بین موارد و فیلم ها را برای درک بهتر کاربر انجام داد؟در این مقاله ، ما ابتدا از نمودار دوگانه استفاده می کنیم تا از همزیستی تعامل کاربر-ویدئو و کاربر-مورد در تجارت الکترونیکی مبتنی بر فیلم استفاده کنیم و به طور نوآورانه درک ترجیح کاربر را به یک مشکل تطبیق نمودار کاهش دهیم.برای حل آن ، ما بیشتر یک شبکه تطبیق نمودار دو سطح جدید (GMN) را پیشنهاد می کنیم ، که عمدتاً از تطبیق نمودار گره و سطح ترجیح تشکیل شده است.با توجه به یک کاربر ، تطبیق نمودار سطح گره با هدف مطابقت با فیلم ها و موارد ، در حالی که تطبیق نمودار سطح ترجیح هدف مطابقت با چندین تنظیم کاربر استخراج شده از هر دو فیلم و موارد است.سپس GMN پیشنهادی می تواند با تجمع گره ها یا ترجیحات همسان از نمودار دوگانه به شیوه دو سطح ، تعبیه کاربر را تولید و بهبود بخشد.آزمایش های جامع برتری GMN پیشنهادی را با پیشرفت های قابل توجهی نسبت به رویکردهای پیشرفته نشان می دهد (به عنوان مثال ، AUC+1.9 ٪ و CTR+7.15 ٪).ما آن را در یک پلت فرم تجارت الکترونیکی شناخته شده مبتنی بر فیلم توسعه داده ایم و هر روز صدها میلیون کاربر را خدمت می کنیم