論文の概要: How to Grow a (Product) Tree: Personalized Category Suggestions for eCommerce Type-Ahead

• arxiv url: http://arxiv.org/abs/2005.12781v1
• Date: Tue, 26 May 2020 15:03:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 23:47:28.490456
• Title: How to Grow a (Product) Tree: Personalized Category Suggestions for eCommerce Type-Ahead
• Title（参考訳）: 製品)ツリーを成長させる方法:eコマースのタイプアヘッドにパーソナライズされたカテゴリの提案
• Authors: Jacopo Tagliabue, Bingqing Yu, Marie Beaulieu
• Abstract要約: SessionPathは、2つのカウントに対するファセット提案を改善する新しいニューラルネットワークモデルである。 SessionPathは、分類パスの各ノードで確率分布を明示的に生成することで、ファセットを予測する。 私たちはSessionPathを、カウントベースとニューラルモデルの2つのパートナショップでベンチマークし、ビジネス要件とモデルの振る舞いを原則的に組み合わせる方法を示している。
• 参考スコア（独自算出の注目度）: 5.156484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In an attempt to balance precision and recall in the search page, leading digital shops have been effectively nudging users into select category facets as early as in the type-ahead suggestions. In this work, we present SessionPath, a novel neural network model that improves facet suggestions on two counts: first, the model is able to leverage session embeddings to provide scalable personalization; second, SessionPath predicts facets by explicitly producing a probability distribution at each node in the taxonomy path. We benchmark SessionPath on two partnering shops against count-based and neural models, and show how business requirements and model behavior can be combined in a principled way.
• Abstract（参考訳）: 検索ページにおける精度とリコールのバランスをとろうとする試みとして、主要なデジタルショップは、タイプ・アヘッドの提案で早くもユーザーをカテゴリ・ファセットに効果的に絞り込んできた。 本稿では,2つのカウントにおけるファセット提案を改善する新しいニューラルネットワークモデルであるsessionpathを提案する。第1に,セッション埋め込みを利用してスケーラブルなパーソナライゼーションを実現すること,第2に,分類経路の各ノードに確率分布を明示的に生成することによりファセットを予測する。 2つのパートナーショップのセッションパスをカウントベースとニューラルモデルに対してベンチマークし、ビジネス要件とモデルの振る舞いを原則的に組み合わせる方法を示します。

関連論文リスト

• Budgeted Online Model Selection and Fine-Tuning via Federated Learning [26.823435733330705]
  オンラインモデル選択では、候補モデルのセットからモデルを選択して、データのストリームで予測を実行する。 その後の候補モデルの選択は、パフォーマンスに決定的な影響を与えます。 本稿では,学習者グループ(クライアント)が十分なメモリを持つサーバと対話するオンラインフェデレーションモデル選択フレームワークを提案する。 提案したアルゴリズムを用いて、クライアントとサーバは微調整モデルと協調して非定常環境に適応する。
  論文  参考訳（メタデータ） (2024-01-19T04:02:49Z)
• Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
  本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
  論文  参考訳（メタデータ） (2024-01-12T15:26:40Z)
• 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)
• A Neural Network Based Choice Model for Assortment Optimization [5.173001988341294]
  ニューラルネットワークアーキテクチャが、さまざまなコンテキストからデータセットの購入確率を予測することができるかどうかを検討する。 次に,既製の整数計画解法で解けるアソシエーション最適化の定式化を開発する。
  論文  参考訳（メタデータ） (2023-08-10T15:01:52Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Heterogeneous Network Embedding for Deep Semantic Relevance Match in E-commerce Search [29.881612817309716]
  Eコマースアイテム関連性のためのエンドツーエンドの第一次および第二次関連性予測モデルを設計します。 BERTから生成された外部知識を導入し,ユーザ行動のネットワークを改良する。 オフライン実験の結果,新しいモデルにより,人間関係判定における予測精度が有意に向上した。
  論文  参考訳（メタデータ） (2021-01-13T03:12:53Z)
• Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
  異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
  論文  参考訳（メタデータ） (2020-07-07T03:36:28Z)
• Calendar Graph Neural Networks for Modeling Time Structures in Spatiotemporal User Behaviors [32.66259490376888]
  本稿では,行動データからユーザ表現を学習するためのグラフニューラルネットワークに基づく新しいモデルを提案する。 動作ログはシーケンスセッションを含み、セッションは場所、開始時間、終了時間、採用項目のシーケンスを有する。 我々のアプローチは、欠落する人口特性を予測するために、強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2020-06-11T21:05:38Z)
• TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation [66.04457457299218]
  セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。 TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。 学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
  論文  参考訳（メタデータ） (2020-05-06T14:17:05Z)
• Network-based models for social recommender systems [0.0]
  この章では、リコメンデーションのための主要なアプローチを上回る厳格なネットワークベースモデルについて検討する。 アイテムに対する個々のユーザの嗜好の正確な予測は、異なる方法論によって達成できる。
  論文  参考訳（メタデータ） (2020-02-10T13:06:22Z)

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。