EComStage: Stage-wise and Orientation-specific Benchmarking for Large Language Models in E-commerce
The University of Tokyo(东京大学);Zhejiang University(浙江大学);Xiaohongshu Inc.(小红书公司)
EComStage提出一个分阶段和方向特定的电商大语言模型基准测试,评估LLM在感知、规划和行动阶段的表现,揭示不同规模和类型的模型在电商场景中的优势与不足。
2026-01-06 cs.CL
EComAgentBench: Benchmarking Shopping Agents on Long-Horizon Tasks with Distributed Hidden Intent
Shopee
提出EComAgentBench基准,包含662个基于真实亚马逊产品的任务,要求代理在100次工具调用内从可见查询、工具门控配置文件和脚本化澄清中挖掘隐藏意图,验证候选产品并提交最终选择,通过类型化源标签评分归因失败。
2026-09-03 cs.AI cs.CL
Customer-Agent: Overcoming Context Limitations in Ultra-Long Shopping Trajectories via Tool-Augmented Agents and RLVR
Amazon(亚马逊);Duke University(杜克大学)
提出ShopTrajQA基准和客户代理框架,利用RLVR训练代理通过代码解释器自主检索解析外部轨迹文件,突破LLM上下文窗口限制,在超长购物轨迹推理中取得强性能。
2026-06-06 cs.CL
EC-Guide: A Comprehensive E-Commerce Guide for Instruction Tuning and Quantization
Zhejiang University-University of Illinois at Urbana Champaign Institute, Zhejiang University(浙江大学-伊利诺伊大学厄巴纳-香槟分校研究院,浙江大学)
本文提出EC-Guide,一个面向电子商务领域的LLM指令微调与量化综合指南,并通过启发式集成思维链提升算术性能,在Amazon KDD Cup'24中取得优异成绩,且方案与模型无关、可扩展性强。
2024-08-06 cs.CL
WebMall -- A Multi-Shop Benchmark for Evaluating Web Agents
Data and Web Science Group(数据与网络科学组);University of Mannheim(曼海姆大学)
WebMall是首个多店铺离线基准,用于评估网络代理在复杂比较购物任务中的性能,包含四个模拟店铺和复杂检索任务。
2026-04-30 cs.CL
Intent-based Product Collections for E-commerce using Pretrained Language Models
NAVER CLOVA;NAVER AI LAB;LBox Co., Ltd.(LBox有限公司)
建立购物产品系列主要是人类的工作。通过手工制作的努力,专家们收集了具有共同购物意图的相关但不同的产品,这些产品在一起展示时是有效的,例如,背包,笔记本电脑包,和信使袋新生袋礼物。自动构建集合需要ML系统学习客户意图和产品属性之间的复杂关系。但也出现了挑战点,比如1)长而复杂的意图语句,2)丰富多样的产品属性,3)它们之间存在巨大的语义鸿沟,使问题变得困难。在本文中,我们使用预训练的语言模型(PLM),利用Web规模的产品的文本属性,使基于意图的产品集合。具体来说,我们通过将意图句子设置为锚并将相应的产品设置为正例来训练具有三重损失的BERT。此外,我们还通过基于搜索的负采样和分类正对增强来提高模型的性能。我们的模型显着优于基于搜索的基线模型,在离线评估的基于意图的产品匹配。此外,在我们的电子商业平台上的在线实验结果表明,基于PLM的方法可以构建产品的集合,与专家精心制作的集合相比,具有更高的CTR,CVR和订单多样性。
2021-10-15 cs.CL cs.IR
FolkScope: Intention Knowledge Graph Construction for E-commerce Commonsense Discovery
The Hong Kong University of Science and Technology(香港科技大学);Amazon.com Inc(亚马逊公司)
本文提出FolkScope框架,利用大语言模型生成和人在回路标注半自动构建电子商务意图知识图谱,通过模式挖掘与概念化形成抽象知识,验证了其在建模电商常识方面的有效性。
2023-05-11 cs.CL
Behavior2Value: Benchmarking and Empowering LLMs for Consumer Value Measurement from E-commerce Behaviors
Peking University(北京大学);Alibaba Group(阿里巴巴集团)
本文提出行为到价值(B2V)任务及首个基准B2V-Bench,并构建B2V-Verifier模型,从电商行为轨迹中识别消费者价值观,多标签分类性能提升34%。
2026-09-17 cs.CL cs.LG
ComboShoppingBench: Evaluating LLM Agents for Budget-Constrained Basket Shopping with Coupons
本研究推出ComboShoppingBench组合购物基准,通过探索智能体、LLM评判者及确定性验证,发现各类LLM智能体在该基准上表现不佳,凸显其在约束感知组合购物上仍有巨大改进空间。
2026-08-11 cs.AI cs.CL
Cite Before You Speak: Enhancing Context-Response Grounding in E-commerce Conversational LLM-Agents
Amazon(亚马逊)
针对电商对话购物智能体的幻觉与来源不可验证问题,本文提出引用生成范式及 Multi-UX-Inference 系统,通过自动评估和在线 A/B 测试验证其可提升事实落地、客户信任与参与度。
2025-05-13 cs.AI cs.CL
Deep Cascade Multi-task Learning for Slot Filling in Online Shopping Assistant
Alibaba Group(阿里巴巴集团);Shanghai Jiao Tong University(上海交通大学);Zhejiang Cainiao Supply Chain Management Co.(浙江菜鸟供应链管理有限公司)
槽填充是对话系统中自然语言理解(NLU)的关键任务。最先进的方法将其视为序列标记问题,并采用BiLSTM-CRF等模型。虽然这些模型在标准基准数据集上工作得相对较好,但它们在电子商务的背景下面临挑战,其中插槽标签信息量更大,表达方式更丰富。在这项工作中,电子商务知识库的独特结构的启发,我们提出了一种新的多任务模型级联和剩余连接,共同学习段标记,命名实体标记和槽填充。实验证明了所提出的级联和残差结构的有效性。在一个新的中国电子商务购物助手数据集上,我们的模型在F1得分上比强基线方法有14.6%的优势,同时在标准数据集上达到了有竞争力的准确性。此外,在这种占主导地位的电子商务平台上进行的在线测试显示,理解用户话语的准确性提高了130%。我们的模型已经在电子商务平台上投入生产。
2019-05-06 cs.CL
ZooWork-ShopRanker: An Open, Preference-Aligned E-Commerce Reranker
ZooWork Team(ZooWork团队)
针对电商排序中偏好信号难以监督的问题,提出ZooWork-ShopRanker系列重排序器,利用LLM评审小组标注偏好对并对齐训练,8B模型蒸馏至4B和0.6B,显著超越开放基线,并发布ShopRank-Bench基准。
2026-09-28 cs.CL
MIND: Multimodal Shopping Intention Distillation from Large Vision-language Models for E-commerce Purchase Understanding
HKUST(香港科技大学);Amazon.com Inc(亚马逊公司)
本文提出多模态框架MIND,利用大型视觉语言模型从多模态产品元数据中蒸馏以人为中心的购物意图,构建了大规模多模态意图知识库,并在两个意图理解任务中显著提升了大型语言模型的性能。
2024-10-12 cs.CL
Predicting next shopping stage using Google Analytics data for E-commerce applications
MorphL;UPB(布加勒斯特理工大学)
电子商业Web应用程序在我们的日常生活中几乎无处不在,但尽管它们很有用,但它们中的大多数几乎没有适应用户需求,这反过来又会导致较低的转换率以及不满意的客户。我们提出了一个机器学习系统,学习用户的行为,从多个以前的会话,并预测有用的指标,为当前会话。反过来,应用程序可以使用这些指标来定制和更好地定位客户,这可能意味着提供更好的特定产品,有针对性的通知或放置智能广告。用于学习算法的数据是从Google Analytics Enhanced电子商业中提取的,大多数电子商业网站都支持该功能,因此任何此类商家都可以使用该系统。为了学习用户模式,只使用其行为特征,不包括姓名,性别或任何其他可以识别用户的个人信息。所使用的学习模型是一个双循环神经网络,学习会话内和会话间的功能。该模型为每个会话预测每个定义的目标类的概率得分。
2019-05-29 cs.CL cs.IR
Bridging the Gap Between Information Seeking and Product Search Systems: Q&A Recommendation for E-commerce
Amazon.com, Inc.(亚马逊公司)
本文提出在电子商务商品搜索中集成问答推荐,利用LLM弥合信息检索与商品搜索的鸿沟,讨论问答对生成与推荐优化,并指出挑战与未来方向。
2024-07-16 cs.CL cs.IR
PAARS: Persona Aligned Agentic Retail Shoppers
Amazon(亚马逊)
本文提出PAARS框架,通过挖掘人格创建合成购物智能体并配备零售工具,在群体层面衡量与人类行为的对齐度,初步应用于自动化智能体A/B测试。
2025-03-31 cs.AI cs.CL cs.MA
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Alibaba Group(阿里巴巴集团);Shanghai Jiao Tong University(上海交通大学)
电子商业平台的最终目标之一是满足客户的各种购物需求。为了实现这一目标,在电子商业中,许多努力都致力于创建分类或本体。然而,电子商业中的用户需求仍然没有很好地定义,并且现有的本体都没有足够的深度和广度来理解普遍的用户需求。两者之间的语义鸿沟阻碍了购物体验变得更加智能。本文提出构建一个名为“AliCoCo”的大规模电子商业认知概念网,并在全球最大的中文电子商业平台阿里巴巴上进行实践。我们在电子商业中正式定义用户需求,然后将其概念化为网络中的节点。我们详细介绍了AliCoCo是如何半自动构建的,以及它在电子商业中的成功、持续和潜在的应用。
2020-03-30 cs.CL cs.IR
Detecting Spam Reviews on Vietnamese E-commerce Websites
University of Information Technology(信息技术大学);Vietnam National University Ho Chi Minh City(胡志明市越南国家大学)
顾客的评论在网上购物中起着至关重要的作用。人们经常参考以前客户的评论或意见来决定是否购买新产品。赶上这种行为,有些人创造虚假和非法评论来欺骗客户关于产品质量的虚假。这些被称为垃圾评论,在网购平台上迷惑消费者,对网购行为产生负面影响。我们提出了一个名为ViSpamReviews的数据集,它有一个严格的注释程序,用于检测电子商业平台上的垃圾评论。我们的数据集由两个任务组成:用于检测评论是否是垃圾邮件的二元分类任务和用于识别垃圾邮件类型的多类分类任务。PhoBERT在这两项任务上获得了最高的结果,分别为86.89%和72.17%,按宏观平均F1得分计算。
2022-12-09 cs.AI cs.CL
DeepPlanning: Benchmarking Long-Horizon Agentic Planning with Verifiable Constraints
Alibaba Group(阿里巴巴集团)
DeepPlanning是一个针对长周期代理规划的基准测试,通过多日旅行和多产品购物任务,评估代理在全局约束优化和局部约束推理中的能力。
2026-01-26 cs.AI cs.CL
Flippi: End To End GenAI Assistant for E-Commerce
Flipkart US R\&D Center Bellevue, Washington, USA;Flipkart US R\&D Center
本文介绍了由大语言模型驱动的电子商务端到端对话助手Flippi,它利用RAG和NER等NLP技术解析查询并提供精准产品信息与比价分析,通过自然语言对话实现超越传统搜索的个性化购物体验。
2025-07-11 cs.CL
Beyond Retrieval-Ranking: A Multi-Agent Cognitive Decision Framework for E-Commerce Search
Beijing China(中国北京)
针对电商搜索中检索-排序范式与用户认知决策错位的问题,提出多智能体认知决策框架MACDF,实现从被动检索到主动决策支持的范式转变,离线评估与京东在线A/B测试验证其显著提升推荐准确性和用户满意度。
2025-10-23 cs.CL
Identifying Shopping Intent in Product QA for Proactive Recommendations
Amazon.com, Inc.(亚马逊公司)
本文研究语音助手中产品问答的购物意图识别,提出结合购买历史行为特征与 MoE 模型的方法,离线 F1 达 0.91,并在线验证可提升加购率。
2024-04-09 cs.CL
Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling
The Chinese University of Hong Kong(香港中文大学);Alibaba Group(阿里巴巴集团)
近年来,电子商业平台上的产品问答(PQA)因其能够充当智能在线购物助手并改善客户购物体验而引起越来越多的关注。研究了其关键功能--产品相关问题答案自动生成,旨在生成内容保持的问题相关答案。然而,PQA的一个重要特征,即,个性化,被现有的方法所忽视。向所有客户提供相同的“完全概括的”答案是不够的,因为许多客户更愿意通过考虑他们自己对产品方面或信息需求的偏好来看到仅针对他们自己的定制信息的个性化答案。为了解决这一挑战,我们提出了一种新的个性化答案生成方法(PAGE)与多角度的偏好建模,探索历史用户生成的内容来建模用户的偏好生成个性化的答案在PQA。具体来说,我们首先检索与问题相关的用户历史作为外部知识来建模知识级用户偏好。然后,我们利用高斯Softmax分布模型来捕获潜在的方面级用户偏好。最后,我们开发了一个人物感知指针网络,通过利用个人用户偏好和动态用户词汇来生成个性化的答案。在真实电子商业问答数据集上的实验结果表明,该方法生成的答案信息量大、个性化程度高,性能优于现有方法,并表明电子商业中的答案生成可以受益于个性化。
2021-12-27 cs.CL cs.IR
Benchmarking LightGBM and BiLSTM for Sentiment Analysis on Indonesian E-Commerce Reviews
Department of Data Science(数据科学系);Institut Teknologi Sumatera(苏门答腊理工大学)
本文比较了自然语言处理中机器学习和深度学习方法在印尼电商评论情感分析中的表现,发现BiLSTM在准确率和F1分数上优于所有机器学习模型,而LightGBM在训练效率上表现最佳。
2026-05-02 cs.CL
Sentiment and Emotion Classification of Indonesian E-Commerce Reviews via Multi-Task BiLSTM and AutoML Benchmarking
Department of Data Science(数据科学系);Institut Teknologi Sumatera(苏门答腊理工大学);Department of Informatics Engineering(信息工程系)
本文提出双轨分类流程,利用TF-IDF与AutoML及BiLSTM模型处理印尼电商评论,实现二元情感与五类情绪分类,通过预处理模块和四组配置提升分类性能。
2026-04-27 cs.CL
ISA: An Intelligent Shopping Assistant
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Adobe Research(Adobe研究院)
尽管电子商务的增长,实体店仍然是许多人的首选目的地。在本文中,我们介绍了ISA,这是一款基于移动的智能购物助手,旨在改善实体店的购物体验。ISA通过利用计算机视觉、语音处理和自然语言处理方面的先进技术来帮助用户。店内用户只需要拍一张照片或扫描感兴趣的产品的条形码,然后用户就可以与助手谈论产品。助手还可以引导用户完成购买过程或向用户推荐其他类似产品。在ISA的自然语言处理组件的引擎设计中,我们采用了数据驱动的方法,并取得了良好的性能。
2020-09-23 cs.AI cs.CL cs.IR
Shopping Reasoning Bench: An Expert-Authored Benchmark for Multi-Turn Conversational Shopping Assistants
Amazon(亚马逊)
提出一个由零售专家编写的525个任务的多轮对话购物推理基准,包含10863个加权评分标准,评估9个模型显示通过率仅57-77%,多轮任务性能下降4-18分。
2026-06-12 cs.CL cs.LG
AliMe KG: Domain Knowledge Graph Construction and Application in E-commerce
Alibaba Group(阿里巴巴集团)
售前客户服务对电子商业平台至关重要,因为它有助于优化客户的购买过程。为了更好地为用户服务,我们提出了AliMe KG,一个领域知识图谱在电子商业,捕捉用户的问题,兴趣点(POI),项目信息及其关系。它有助于了解用户需求,回答售前问题并生成解释文本。我们将AliMe KG应用于导购、房产问答、推荐理由生成等多个在线业务场景,取得了积极的效果。本文系统地介绍了如何从自由文本中构造领域知识图谱,并通过几个应用实例展示了其商业价值。我们的经验表明,从垂直领域的自由文本中挖掘结构化知识是可行的,并在工业环境中具有重要价值。
2020-09-24 cs.AI cs.CL
Benchmarking Web Agent Safety under E-commerce Deceptive Interfaces
AAII, University of Technology Sydney(悉尼科技大学AAII);University of Liverpool(利物浦大学)
提出WebDecept框架,在电子商务环境中注入七种常见欺骗性界面模式,测试多模态Web Agent的安全性,发现当前Agent极易受骗且提示约束不足。
2026-06-15 cs.CL cs.CY
Quality Over Clicks: Iterative Reinforcement Learning for Early-Stage E-Commerce Query Suggestion
Alibaba International Digital Commercial Group(阿里巴巴国际数字商业集团)
针对早期部署场景点击反馈稀疏的问题,提出质量优先的迭代强化学习框架QualEQS,从可回答性、事实性和信息增益三个维度优化查询建议质量,通过候选建议的组级分歧识别模糊上下文并挖掘难例进行迭代改进,在真实电商系统中ChatPV提升6.81%。
2026-06-19 cs.CL
Short Text Pre-training with Extended Token Classification for E-commerce Query Understanding
Amazon Search(亚马逊搜索)
电子商业查询理解是通过从用户的搜索查询中提取语义来推断用户的购物意图的过程。自然语言处理中的预训练掩蔽语言模型(MLM)的最新进展对于开发有效的查询理解模型具有极大的吸引力。具体地说,MLM通过恢复句子中的掩蔽标记来学习上下文文本嵌入。这样的预训练过程依赖于足够的上下文信息。然而,它对搜索查询的效果较差,因为搜索查询通常是短文本。当对短搜索查询应用掩蔽时,大部分上下文信息丢失,并且搜索查询的意图可能改变。为了缓解MLM搜索查询预训练的上述问题,我们提出了一种专门为短文本设计的新的预训练任务,称为扩展令牌分类(ETC)。我们的方法不是屏蔽输入文本,而是通过生成器网络插入令牌来扩展输入,并训练一个机器人来识别哪些令牌被插入到扩展输入中。我们在一个电子商业商店进行实验,以证明ETC的有效性。
2022-10-08 cs.CL cs.LG
EcomScriptBench: A Multi-task Benchmark for E-commerce Script Planning via Step-wise Intention-Driven Product Association
Department of Computer Science and Engineering, HKUST, Hong Kong SAR, China(香港科技大学计算机科学与工程系);Amazon.com Inc(亚马逊公司);Department of Computer Science & Engineering, Texas A&M University(德克萨斯农工大学计算机科学与工程系)
针对电商场景下LLM无法同时完成脚本规划与商品检索、缺乏评估基准的问题,研究者提出逐步意图驱动的商品关联框架,构建了含60余万条脚本的大规模基准EcomScriptBench,实验验证注入购买意图可提升模型性能。
2025-05-21 cs.CL
TransBench: Benchmarking Machine Translation for Industrial-Scale Applications
Alibaba International Digital Commerce(阿里巴巴国际数字商务集团);Beijing Language and Culture University(北京语言大学)
针对通用机器翻译评估基准与工业实际应用效果脱节的问题,本研究提出三级翻译能力评估框架,推出面向电商场景的工业机器翻译基准TransBench,整合多维度指标并开源工具,填补了专业领域翻译评估的空白。
2025-05-20 cs.CL
Paying to Know: Micro-Transaction Markets for Verified Product Information in Agentic E-Commerce
Manchester Metropolitan University(曼彻斯特城市大学)
提出代理型电商作为已验证信息的微交易市场,买家代理通过微支付逐步获取卖家与评论者提供的数据,以解决信息可信度瓶颈,并转化为具体NLP问题。
2026-06-24 cs.AI cs.CL