KDD Cup 2023：亞馬遜多語種商品推薦

文章目錄[隱藏]

賽題介紹
賽題任務
- Task 1
- Task 2
- Task 3
數據集
評價指標
賽題日程
賽題獎金

賽題名稱：KDD Cup '23: Multilingual Recommendation Challenge

賽題鏈接：https://www.aicrowd.com/challenges/amazon-kdd-cup-23-multilingual-recommendation-challenge

賽題類型：推薦係統、文本生成

賽題介紹

對客戶購物意圖建模是電子商務商店的一項重要任務，因為(wei) 它直接影響用戶體(ti) 驗和參與(yu) 度。準確了解客戶正在搜索的內(nei) 容，例如他們(men) 是否正在尋找帶有搜索查詢“蘋果”的電子產(chan) 品或雜貨，對於(yu) 提供個(ge) 性化推薦至關(guan) 重要。

基於(yu) 會(hui) 話的推薦利用客戶會(hui) 話數據來預測他們(men) 的下一次購買(mai) ，隨著數據挖掘和機器學習(xi) 技術的發展而變得越來越流行。然而，很少有研究在現實世界的多語言和不平衡場景下探索基於(yu) 會(hui) 話的推薦。

為(wei) 了彌補這一差距，我們(men) 提出了“多語言購物會(hui) 話數據集”，這是一個(ge) 由來自六個(ge) 不同地區的數百萬(wan) 用戶會(hui) 話組成的數據集，其中產(chan) 品的主要語言是英語、德語、日語、法語、意大利語和西班牙語。數據集不平衡，法語、意大利語和西班牙語的產(chan) 品少於(yu) 英語、德語和日語的產(chan) 品。

賽題任務

本次比賽的主要目標是構建基於(yu) 會(hui) 話的高級算法/模型，直接預測下一個(ge) 參與(yu) 產(chan) 品或生成其標題文本。我們(men) 提出的三個(ge) 任務是：

下一個產品推薦
對訓練數據不足地區的進行產品推薦
下一個產品標題生成

Task 1

任務 1 旨在根據客戶的會(hui) 話數據和每個(ge) 產(chan) 品的屬性，預測客戶可能會(hui) 參與(yu) 的下一個(ge) 產(chan) 品。

任務 1 的測試集包含來自英語、德語和日語語言環境的數據。參與(yu) 者需要創建一個(ge) 程序，可以預測測試集中每個(ge) 會(hui) 話的下一個(ge) 產(chan) 品。

參與(yu) 者應提供一個(ge) parquet 文件，其中每一行對應於(yu) 測試集中的一個(ge) 會(hui) 話。對於(yu) 每個(ge) 會(hui) 話，參與(yu) 者應根據會(hui) 話中的曆史參與(yu) 預測最有可能參與(yu) 的 100 個(ge) 產(chan) 品 ID (ASIN)。

Task 2

此任務的目標類似於(yu) 任務 1，而測試集由法語、意大利語和西班牙語構成。在任務 2 中，我們(men) 關(guan) 注這三種未被充分代表的語言的表現。鼓勵遷移從(cong) 具有足夠數據的語言中獲得的知識，例如英語、德語和日語，以提高法語、意大利語和西班牙語的推薦質量。

Task 3

任務 3 要求參與(yu) 者根據他們(men) 的會(hui) 話數據預測客戶將使用的下一個(ge) 產(chan) 品的名稱。與(yu) 專(zhuan) 注於(yu) 推薦現有產(chan) 品的任務 1 和 2 不同，預測新產(chan) 品或“冷啟動”產(chan) 品提出了獨特的挑戰。

生成的標題有可能改進各種下遊任務，包括冷啟動推薦和導航。任務 3 的測試集包括來自所有六個(ge) 語言環境的數據，參與(yu) 者應提交一個(ge) parquet 文件，其中包含為(wei) 輸入文件中的每一行/會(hui) 話生成的標題。標題應以字符串格式保存。

數據集

發布的數據集是匿名的，不代表生產(chan) 特征。多語言購物會(hui) 話數據集是匿名客戶會(hui) 話的集合，其中包含來自六個(ge) 不同區域的產(chan) 品，即英語、德語、日語、法語、意大利語和西班牙語。它由兩(liang) 個(ge) 主要部分組成：用戶會(hui) 話和產(chan) 品屬性。

用戶會(hui) 話是用戶按時間順序使用過的產(chan) 品列表，而產(chan) 品屬性包括各種詳細信息，如產(chan) 品標題、本地貨幣價(jia) 格、品牌、顏色和描述。

數據集分為(wei) 三個(ge) 部分：train, phase-1 test, and phase-2 test。對於(yu) 任務 1 和任務 2，每種語言的比例大致為(wei) 10:1:1。對於(yu) Task 3，第一階段測試和第二階段測試的樣本數量固定為(wei) 10,000。

這三個(ge) 任務共享同一個(ge) 訓練集，而它們(men) 的測試集是根據它們(men) 的特定目標構建的。

任務 1：使用英語、德語和日語的數據
任務 2：使用法語、意大利語和西班牙語的數據，鼓勵任務 2 的參與者使用遷移學習來提高他們的係統在測試集上的性能。
任務 3：測試集包括未出現在訓練集中的產品，要求參與者根據用戶會話生成下一個產品的標題。

表 1 總結了數據集統計信息，包括會(hui) 話數、交互、產(chan) 品和平均會(hui) 話時長。作為(wei) KDD Cup 比賽的一部分，該數據集將公開提供，每件產(chan) 品都由唯一的亞(ya) 馬遜標準識別碼 (ASIN) 標識，從(cong) 而可以輕鬆地從(cong) 網絡中提取更多信息。

參賽者可以自由使用外部信息源來訓練他們(men) 的係統，例如公共數據集和預訓練的語言模型，但在描述他們(men) 的係統時必須聲明超出提供的數據集。