論文の概要: Detecting multi-timescale consumption patterns from receipt data: A
non-negative tensor factorization approach
- arxiv url: http://arxiv.org/abs/2004.13277v2
- Date: Sun, 2 Aug 2020 04:03:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 22:16:28.642005
- Title: Detecting multi-timescale consumption patterns from receipt data: A
non-negative tensor factorization approach
- Title（参考訳）: レシートデータからマルチタイムスケール消費パターンの検出:非負のテンソル因子化アプローチ
- Authors: Akira Matsui, Teruyoshi Kobayashi, Daisuke Moriwaki, Emilio Ferrara
- Abstract要約: 我々は、非負のテンソル因子化(NTF)を用いて、週内および週間消費パターンを一度に検出する。
提案手法により,異なる時間スケールで相関する消費パターンに基づいて,消費者を特徴付けることができる。
- 参考スコア（独自算出の注目度）: 6.550253537991014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding consumer behavior is an important task, not only for developing
marketing strategies but also for the management of economic policies.
Detecting consumption patterns, however, is a high-dimensional problem in which
various factors that would affect consumers' behavior need to be considered,
such as consumers' demographics, circadian rhythm, seasonal cycles, etc. Here,
we develop a method to extract multi-timescale expenditure patterns of
consumers from a large dataset of scanned receipts. We use a non-negative
tensor factorization (NTF) to detect intra- and inter-week consumption patterns
at one time. The proposed method allows us to characterize consumers based on
their consumption patterns that are correlated over different timescales.
- Abstract（参考訳）: 消費者の行動を理解することは、マーケティング戦略だけでなく、経済政策の管理にも重要である。
しかし, 消費パターンの検出は, 消費者の行動に影響を及ぼす様々な要因, 消費者の人口動態, 概日リズム, 季節周期などを考慮する必要がある高次元問題である。
そこで我々は,スキャンしたレシートの大規模なデータセットから,消費者のマルチスケール支出パターンを抽出する手法を開発した。
我々は、非負のテンソル因子化(NTF)を用いて、週内および週間消費パターンを一度に検出する。
提案手法により,異なる時間スケールで相関する消費パターンに基づいて消費者を特徴付けることができる。
関連論文リスト
- Multimodal Deep Learning of Word-of-Mouth Text and Demographics to
Predict Customer Rating: Handling Consumer Heterogeneity in Marketing [0.0]
今日、多くの消費者がオンラインプラットフォーム上で特定の製品の評価を投稿している。
本研究では,オンライン製品レビューと消費者プロファイル情報のマルチモーダル学習により,消費者の不均一性を考慮した製品評価モデルを構築した。
論文 参考訳（メタデータ） (2024-01-22T12:28:50Z) - Data Attribution for Diffusion Models: Timestep-induced Bias in Influence Estimation [53.27596811146316]
拡散モデルは、以前の文脈における瞬間的な入出力関係ではなく、一連のタイムステップで操作する。
本稿では、この時間的ダイナミクスを取り入れた拡散トラクInについて、サンプルの損失勾配ノルムが時間ステップに大きく依存していることを確認する。
そこで我々はDiffusion-ReTracを再正規化適応として導入し、興味のあるサンプルを対象にしたトレーニングサンプルの検索を可能にする。
論文 参考訳（メタデータ） (2024-01-17T07:58:18Z) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - Machine Learning and Consumer Data [0.4873362301533825]
デジタル革命は人間の行動のデジタル化につながり、不整合なスケールで観測可能な行動を理解するという前例のない機会を生み出した。
クラウドファンディングやクラウドソーシングといった新興現象は、新たな行動パターンを導入しながら、消費者の行動をさらに明るくしている。
消費者データ分析に使われる従来の手法は、新興データソースの幅、精度、スケールを扱うのに不足している。
論文 参考訳（メタデータ） (2023-06-25T03:58:15Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳（メタデータ） (2023-03-28T00:23:23Z) - Learning Consumer Preferences from Bundle Sales Data [2.6899658723618005]
本稿では,バンドル販売データを用いて消費者の商品に対する評価値の分布を学習するためのアプローチを提案する。
EMアルゴリズムとモンテカルロシミュレーションを用いて,消費者評価の分布を復元する。
論文 参考訳（メタデータ） (2022-09-11T21:42:49Z) - Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。
近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。
知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文 参考訳（メタデータ） (2021-10-27T12:19:56Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳（メタデータ） (2021-02-16T16:56:27Z) - Consumer Behaviour in Retail: Next Logical Purchase using Deep Neural
Network [0.0]
消費者購入パターンの正確な予測は、より良い在庫計画と効率的なパーソナライズされたマーケティング戦略を可能にする。
Multi Layer Perceptron、Long Short Term Memory (LSTM)、Temporal Convolutional Networks (TCN)、TCN-LSTMのような神経ネットワークアーキテクチャは、XgboostやRandomForestといったMLモデルに取って代わる。
論文 参考訳（メタデータ） (2020-10-14T11:00:00Z) - Face to Purchase: Predicting Consumer Choices with Structured Facial and
Behavioral Traits Embedding [53.02059906193556]
消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。
階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。
実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
論文 参考訳（メタデータ） (2020-07-14T06:06:41Z)
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。