論文の概要: "An Image is Worth a Thousand Features": Scalable Product
Representations for In-Session Type-Ahead Personalization
- arxiv url: http://arxiv.org/abs/2003.07160v1
- Date: Wed, 11 Mar 2020 18:41:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 14:23:11.776712
- Title: "An Image is Worth a Thousand Features": Scalable Product
Representations for In-Session Type-Ahead Personalization
- Title(参考訳): 『イメージは千の価値がある』:インセッション型パーソナライズのためのスケーラブルな製品表現
- Authors: Bingqing Yu, Jacopo Tagliabue, Ciro Greco and Federico Bianchi
- Abstract要約: 画像に基づくパーソナライゼーションは、代替提案よりもいくつかの利点があると主張する。
類似店舗間のベクトル空間の共有が,サイトを閲覧するユーザエクスペリエンスの向上にどのように役立つかを示す。
- 参考スコア(独自算出の注目度): 18.742642089529244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the problem of personalizing query completion in a digital
commerce setting, in which the bounce rate is typically high and recurring
users are rare. We focus on in-session personalization and improve a standard
noisy channel model by injecting dense vectors computed from product images at
query time. We argue that image-based personalization displays several
advantages over alternative proposals (from data availability to business
scalability), and provide quantitative evidence and qualitative support on the
effectiveness of the proposed methods. Finally, we show how a shared vector
space between similar shops can be used to improve the experience of users
browsing across sites, opening up the possibility of applying zero-shot
unsupervised personalization to increase conversions. This will prove to be
particularly relevant to retail groups that manage multiple brands and/or
websites and to multi-tenant SaaS providers that serve multiple clients in the
same space.
- Abstract(参考訳): 本稿では,通常,バウンス率が高く,利用者の繰り返しが稀なデジタルコマース環境において,クエリ完了をパーソナライズする問題に対処する。
我々は,問合せ時に製品画像から計算された濃密ベクトルを注入することにより,セッション内パーソナライゼーションに着目し,標準ノイズチャネルモデルを改善する。
画像に基づくパーソナライゼーションは、代替案(データ可用性からビジネススケーラビリティまで)よりもいくつかの利点を示し、提案手法の有効性に関する定量的証拠と質的支援を提供する。
最後に、類似店舗間の共有ベクター空間を用いて、サイトを閲覧するユーザのエクスペリエンスを改善する方法を示し、ゼロショット非教師なしパーソナライゼーションを適用してコンバージョンを増加させる可能性を開く。
これは、複数のブランドやウェブサイトを管理する小売グループと、同じ分野の複数のクライアントを提供するマルチテナントSaaSプロバイダに特に関係があることが証明される。
関連論文リスト
- Pick-and-Draw: Training-free Semantic Guidance for Text-to-Image
Personalization [56.12990759116612]
Pick-and-Drawは、パーソナライズ手法のアイデンティティ一貫性と生成多様性を高めるためのトレーニング不要なセマンティックガイダンスアプローチである。
提案手法は、パーソナライズされた拡散モデルに適用可能であり、単一の参照画像のみを必要とする。
論文 参考訳(メタデータ) (2024-01-30T05:56:12Z) - Enhancing User Intent Capture in Session-Based Recommendation with
Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。
FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。
FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文 参考訳(メタデータ) (2023-12-23T03:28:18Z) - UNICON: A unified framework for behavior-based consumer segmentation in
e-commerce [0.9213852038999552]
グループベースのパーソナライゼーションは、消費者セグメントのより広い共通の嗜好に基づくパーソナライゼーションの適度なレベルを提供する。
我々は,統合型ディープラーニングコンシューマセグメンテーションフレームワークであるUNICONを紹介する。
フレームワークの有効性を広く実験し、ルックアライズされたデザイナのオーディエンスとデータ駆動型スタイルセグメントを識別する。
論文 参考訳(メタデータ) (2023-09-18T14:58:13Z) - Cones 2: Customizable Image Synthesis with Multiple Subjects [50.54010141032032]
本研究では,特定の対象を効率的に表現する方法と,異なる対象を適切に構成する方法について検討する。
クロスアテンションマップ内のアクティベーションを修正することにより、レイアウトはイメージ内の異なる被写体の位置を指定して分離する。
論文 参考訳(メタデータ) (2023-05-30T18:00:06Z) - Identity Encoder for Personalized Diffusion [57.1198884486401]
パーソナライズのためのエンコーダに基づくアプローチを提案する。
我々は、被写体の参照画像の集合からアイデンティティ表現を抽出できるアイデンティティエンコーダを学習する。
提案手法は画像生成と再構成の両方において既存の微調整に基づくアプローチより一貫して優れていることを示す。
論文 参考訳(メタデータ) (2023-04-14T23:32:24Z) - One-Time Model Adaptation to Heterogeneous Clients: An Intra-Client and
Inter-Image Attention Design [40.97593636235116]
既存のバックボーン認識モデルに新たなICIIAモジュールを提案する。
特に、特定のクライアントからのターゲット画像が与えられた場合、ICIIAはクライアントの歴史的未ラベル画像から関連画像を取得するために、マルチヘッド自己アテンションを導入する。
ICIIAを5つの代表的なデータセットに対して9つのバックボーンモデルを用いて3つの異なる認識タスクを用いて評価した。
論文 参考訳(メタデータ) (2022-11-11T15:33:21Z) - Collaborative Image Understanding [5.5174379874002435]
我々は,新しい画像の分類プロセスを改善するために,協調的な情報を活用することができることを示す。
電子商取引とソーシャルメディアのデータセットに関する一連の実験は、協調的な信号を考えることで、画像分類の主要なタスクのパフォーマンスが最大9.1%向上することを示した。
論文 参考訳(メタデータ) (2022-10-21T12:13:08Z) - Federated Domain Generalization for Image Recognition via Cross-Client
Style Transfer [60.70102634957392]
ドメイン一般化(Domain Generalization, DG)は、画像認識においてホットなトピックであり、目に見えないドメインでうまく機能する一般的なモデルを訓練することを目的としている。
本稿では,データサンプルを交換することなく,クロスクライアント型転送(CCST)による画像認識のための新しい領域一般化手法を提案する。
本手法は2つのDGベンチマーク(PACS, OfficeHome)とFL設定における大規模医用画像データセット(Camelyon17)において,最近のSOTA DG法より優れている。
論文 参考訳(メタデータ) (2022-10-03T13:15:55Z) - Evaluating Deep Vs. Wide & Deep Learners As Contextual Bandits For
Personalized Email Promo Recommendations [1.1213676742918772]
パーソナライゼーションにより、企業は過去のインタラクションから顧客の好みを学ぶことができる。
我々は、いくつかの選択肢から与えられた顧客に対する最適なプロモーションオファーを予測する問題は、文脈的盗聴の問題であると考えている。
論文 参考訳(メタデータ) (2022-01-31T23:26:17Z) - Federated Multi-Target Domain Adaptation [99.93375364579484]
フェデレートされた学習手法により、プライバシを保護しながら、分散ユーザデータ上で機械学習モデルをトレーニングすることが可能になります。
分散クライアントデータがラベル付けされず、集中型ラベル付きデータセットがサーバ上で利用可能となる、より実用的なシナリオを考えます。
本稿では,新しい課題に対処する効果的なDualAdapt法を提案する。
論文 参考訳(メタデータ) (2021-08-17T17:53:05Z)
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。