shibing624/AdvertiseGen

AdvertiseGen是电商广告文案生成数据集。该数据集以商品网页的标签与文案的信息对应关系为基础构造，是典型的开放式生成任务，在模型基于key-value输入生成开放式文案时，与输入信息的事实一致性需要得到重点关注。任务描述为给定商品信息的关键词和属性列表kv-list，生成适合该商品的广告文案adv。数据规模包括训练集114k，验证集1k，测试集3k，数据来源于清华大学CoAI小组。

原始信息汇总

数据集概述

数据集名称

AdvertiseGen

数据集描述

AdvertiseGen是一个电商广告文案生成数据集，基于商品网页的标签与文案的信息对应关系构造。该数据集关注模型在生成文案时与输入信息的事实一致性。

任务描述

给定商品信息的关键词和属性列表（kv-list），生成适合该商品的广告文案（adv）。

数据规模

• 训练集：114k
• 验证集：1k
• 测试集：3k

数据来源

清华大学CoAI小组

语言

数据集中的文本为中文。

数据集结构

数据实例

一个典型的训练数据实例如下： json { "content": "类型#上衣材质#牛仔布颜色#白色风格#简约图案#刺绣衣样式#外套衣款式#破洞", "summary": "简约而不简单的牛仔外套，白色的衣身十分百搭。衣身多处有做旧破洞设计，打破单调乏味，增加一丝造型看点。衣身后背处有趣味刺绣装饰，丰富层次感，彰显别样时尚。" }

引用信息

如在学术论文中使用本数据集，请引用以下文献：

Shao, Zhihong, et al. "Long and Diverse Text Generation with Planning-based Hierarchical Variational Model." Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP). 2019.

搜集汇总

数据集介绍

构建方式

AdvertiseGen数据集的构建基于电商平台商品网页的标签与文案信息，通过提取商品的关键词和属性列表（kv-list），生成与之对应的广告文案。该数据集由清华大学CoAI小组精心设计，旨在为开放式文本生成任务提供高质量的训练数据。数据集的构建过程注重信息的一致性和多样性，确保生成的广告文案能够准确反映商品特性。

特点

AdvertiseGen数据集的特点在于其专注于电商广告文案生成，数据规模庞大，包含114k条训练数据、1k条验证数据和3k条测试数据。每条数据均由商品的关键词和属性列表与对应的广告文案组成，文案风格多样，涵盖了从简约到复杂的多种表达方式。数据集的语言为中文，适用于中文文本生成任务，尤其是电商领域的广告文案生成。

使用方法

AdvertiseGen数据集的使用方法主要围绕电商广告文案生成任务展开。用户可以通过输入商品的关键词和属性列表，利用该数据集训练模型生成符合商品特性的广告文案。数据集提供了训练集、验证集和测试集，用户可以根据需求进行模型训练、验证和测试。此外，数据集还可用于评估生成文案与输入信息的一致性，帮助提升模型在开放式生成任务中的表现。

背景与挑战

背景概述

AdvertiseGen数据集由清华大学CoAI小组于2019年创建，旨在解决电商广告文案生成的核心问题。该数据集基于商品网页的标签与文案信息对应关系构建，专注于开放式生成任务，要求模型在给定商品关键词和属性列表的基础上，生成与之相符的广告文案。AdvertiseGen的推出为自然语言生成领域，特别是电商广告文案生成，提供了重要的研究资源，推动了相关技术的发展与应用。

当前挑战

AdvertiseGen数据集面临的挑战主要体现在两个方面。首先，在任务层面，模型需要在生成广告文案时确保与输入信息的事实一致性，这对生成内容的准确性和相关性提出了较高要求。其次，在数据构建过程中，如何从海量商品信息中提取有效的关键词和属性，并确保数据的高质量和多样性，是构建团队面临的主要难题。这些挑战不仅考验了数据处理能力，也对生成模型的性能提出了更高标准。

常用场景

经典使用场景

AdvertiseGen数据集在电商广告文案生成领域具有重要应用，特别是在基于商品属性生成创意广告文案的场景中。该数据集通过提供商品的关键词和属性列表，要求模型生成与之匹配的广告文案，这一任务不仅考验模型的文本生成能力，还要求生成内容与输入信息保持高度一致性。

实际应用

在实际应用中，AdvertiseGen数据集被广泛应用于电商平台的广告文案自动生成系统。通过利用该数据集训练的模型，电商平台能够快速生成与商品属性高度匹配的广告文案，提升广告的吸引力和转化率，从而优化用户体验并提高销售业绩。

衍生相关工作

AdvertiseGen数据集的发布催生了一系列相关研究工作，特别是在基于商品属性的广告文案生成领域。例如，Shao等人提出的基于层次变分模型的文本生成方法，利用该数据集进行了实验验证，展示了其在长文本生成和多样性控制方面的优势。这些研究进一步推动了电商广告文案生成技术的发展。