2026年01月09日
## 要約：
本研究では、LLMを活用してECサイトの商品データを合成的に生成する手法を提案。属性制御フレームワークにより、品質の高いデータを効率的に作成し、既存のデータと同等以上の性能を達成した。合成データと実データとの組み合わせにより、さらに性能が向上し、データが少ない環境下でも有効なデータ拡張手段となる。
---
## 翻訳：
arXiv:2601.04200v1発表タイプ：新規
概要：商品情報抽出はECサービスにとって重要ですが、高品質なラベル付きデータセットを入手することは依然として困難です。本研究では、大規模言語モデル(LLM)を用いて合成EC商品データを生成するための体系的なアプローチを紹介します。属性保持修正、制御された負例生成、体系的な属性除去という3つの戦略を用いた制御された修正フレームワークを導入しました。属性を意識したプロンプトを使用した最先端のLLMを使用することで、ストアの制約を遵守しながら製品の一貫性を維持しています。2000個の合成製品に対する人間による評価により、高い有効性が確認されました。99.6%が自然であると評価され、96.5%が有効な属性値を含み、90%以上が一貫した属性の使用を示しました。公開されているMAVEデータセットでは、合成データは60.5%の精度を達成し、実データ（60.8%）と同等であり、13.4%のゼロショットベースラインを大幅に上回っています。合成データと実データを組み合わせたハイブリッド構成は、さらに性能を向上させ、68.8%の精度を達成しています。本フレームワークは、特にリソースが限られたシナリオにおいて、ECデータセットを拡張するための実用的なソリューションを提供します。
[📰 原文はこちら](https://arxiv.org/abs/2601.04200)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
