Fugu-MT 論文翻訳(概要): A Graph-Based Platform for Customer Behavior Analysis using Applications' Clickstream Data

論文の概要: A Graph-Based Platform for Customer Behavior Analysis using Applications' Clickstream Data

arxiv url: http://arxiv.org/abs/2002.10269v1
Date: Thu, 20 Feb 2020 13:57:29 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 08:19:44.901657
Title: A Graph-Based Platform for Customer Behavior Analysis using Applications' Clickstream Data
Title（参考訳）: クリックストリームデータを用いた顧客行動分析のためのグラフベースプラットフォーム
Authors: Mojgan Mohajer
Abstract要約: クリックストリームデータは、異なるレベルのWeb/アプリ使用量で収集されたログイベントのシーケンスと見なすことができる。グラフ構造に基づくシーケンスの表現と保存が、顧客行動分析のためのプラットフォームをいかに引き起こすかを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Clickstream analysis is getting more attention since the increase of usage in e-commerce and applications. Beside customers' purchase behavior analysis, there is also attempt to analyze the customer behavior in relation to the quality of web or application design. In general, clickstream data can be considered as a sequence of log events collected at different levels of web/app usage. The analysis of clickstream data can be performed directly as sequence analysis or by extracting features from sequences. In this work, we show how representing and saving the sequences with their underlying graph structures can induce a platform for customer behavior analysis. Our main idea is that clickstream data containing sequences of actions of an application, are walks of the corresponding finite state automaton (FSA) of that application. Our hypothesis is that the customers of an application normally do not use all possible walks through that FSA and the number of actual walks is much smaller than total number of possible walks through the FSA. Sequences of such a walk normally consist of a finite number of cycles on FSA graphs. Identifying and matching these cycles in the classical sequence analysis is not straight forward. We show that representing the sequences through their underlying graph structures not only groups the sequences automatically but also provides a compressed data representation of the original sequences.
Abstract（参考訳）: クリックストリーム分析は、eコマースやアプリケーションの利用が増えるにつれて注目を集めている。顧客の購買行動分析の他に、webやアプリケーション設計の品質に関連して顧客の行動を分析する試みもある。一般に、クリックストリームデータは、web/アプリ利用の異なるレベルで収集されたログイベントのシーケンスと見なすことができる。クリックストリームデータの分析は、シーケンス分析またはシーケンスから特徴を抽出することで直接行うことができる。本稿では,基本となるグラフ構造を用いてシーケンスを表現・保存することで,顧客行動分析のプラットフォームを誘導できることを示す。我々の考えでは、アプリケーションのアクションのシーケンスを含むクリックストリームデータは、そのアプリケーションの対応する有限状態オートマトン(FSA)のウォークである。我々の仮説では、アプリケーションの顧客は、通常、可能なウォークを全て使用せず、実際のウォークの数は、可能なウォークの総数よりもはるかに少ない。そのようなウォークの列は通常、FSAグラフ上の有限個のサイクルからなる。古典列解析におけるこれらのサイクルの同定とマッチングは、直進ではない。基礎となるグラフ構造を通してシーケンスを表現することは、自動的にシーケンスをグループ化するだけでなく、元のシーケンスの圧縮データ表現を提供する。

関連論文リスト

ALPS: An Auto-Labeling and Pre-training Scheme for Remote Sensing Segmentation With Segment Anything Model [32.91528641298171]
ALPS (Automatic Labeling for Pre-training in Pre-training in Remote Sensing) という,革新的な自動ラベリングフレームワークを導入する。我々はSegment Anything Model(SAM)を利用して、事前のアノテーションや追加のプロンプトを必要とせずに、RS画像の正確な擬似ラベルを予測する。提案手法は,iSAIDやISPRS Potsdamなど,様々なベンチマークにおけるダウンストリームタスクの性能を向上させる。
論文参考訳（メタデータ） (2024-06-16T09:02:01Z)
Efficient User Sequence Learning for Online Services via Compressed Graph Neural Networks [18.068737439570402]
グラフニューラルネットワーク(GNN)は、モデルシーケンス関係に広く適用され、類似したシーケンスから情報を抽出している。本稿では,ユーザシーケンス表現学習のための関係モデリングにグラフ圧縮技術を導入するため,ECSeqという新しい統合フレームワークを提案する。
論文参考訳（メタデータ） (2024-06-05T06:22:11Z)
Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文参考訳（メタデータ） (2023-02-08T08:17:43Z)
Sequence Feature Extraction for Malware Family Analysis via Graph Neural Network [0.0]
APIコールシーケンスを分析するために,AWGCN(Attention Aware Graph Neural Network)を設計,実装する。 AWGCNにより、マルウェアの挙動を解析するためのシーケンス埋め込みが得られる。
論文参考訳（メタデータ） (2022-08-10T07:31:44Z)
Predictive Object-Centric Process Monitoring [10.219621548854343]
本稿では,GAN(Generative Adversarial Networks),LSTM(Long Short-Term Memory),Seq2seq(Sequence to Sequence Model)を用いた予測手法をOCELに含まれるリッチデータで拡張可能であることを示す。この論文は、ユーザの入力から次のアクティビティのシーケンスを予測するWebインターフェースを提供する。
論文参考訳（メタデータ） (2022-07-20T16:30:47Z)
Similarity-aware Positive Instance Sampling for Graph Contrastive Pre-training [82.68805025636165]
トレーニングセット内の既存グラフから直接正のグラフインスタンスを選択することを提案する。私たちの選択は、特定のドメイン固有のペアワイズ類似度測定に基づいています。さらに,ノードを動的にマスキングしてグラフ上に均等に分配する適応ノードレベルの事前学習手法を開発した。
論文参考訳（メタデータ） (2022-06-23T20:12:51Z)
A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文参考訳（メタデータ） (2022-06-17T08:32:43Z)
FedAvg with Fine Tuning: Local Updates Lead to Representation Learning [54.65133770989836]
Federated Averaging (FedAvg)アルゴリズムは、クライアントノードでのいくつかのローカルな勾配更新と、サーバでのモデル平均更新の交互化で構成されている。我々は、FedAvgの出力の一般化の背景には、クライアントのタスク間の共通データ表現を学習する能力があることを示す。異種データを用いたフェデレーション画像分類におけるFedAvgの表現学習能力を示す実証的証拠も提供する。
論文参考訳（メタデータ） (2022-05-27T00:55:24Z)
Dynamic Sequential Graph Learning for Click-Through Rate Prediction [29.756257920214168]
本稿では,ユーザやアイテムに関連付けられたローカルサブグラフからの協調情報を活用することで,ユーザの表現を向上する新しい手法を提案する。実世界のCTR予測ベンチマークの結果は、DSGLによってもたらされた改善を実証している。
論文参考訳（メタデータ） (2021-09-26T09:23:43Z)
Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文参考訳（メタデータ） (2021-08-19T15:39:52Z)
Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs [54.13919050090926]
本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
論文参考訳（メタデータ） (2020-05-15T09:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。