論文の概要: Addressing Purchase-Impression Gap through a Sequential Re-ranker

• arxiv url: http://arxiv.org/abs/2010.14570v1
• Date: Tue, 27 Oct 2020 19:26:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 13:09:48.212268
• Title: Addressing Purchase-Impression Gap through a Sequential Re-ranker
• Title（参考訳）: シークエンシャルリランカによる購買印象ギャップの対応
• Authors: Shubhangi Tandon, Saratchandra Indrakanti, Amit Jaiswal, Svetlana Strunjas, Manojkumar Rangasamy Kannadasan
• Abstract要約: 本稿では,eコマースサイトのトップ検索結果に見られる購買・印象ギャップに対処する手法を提案する。 我々は、歴史的ショッピングパターンに基づく商品の理想的な流通を確立する。 次に,従来の点数ランキング装置で生成した上位検索結果を手法的に参照するシーケンシャルリランカを提案する。
• 参考スコア（独自算出の注目度）: 3.5004721334756934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large scale eCommerce platforms such as eBay carry a wide variety of inventory and provide several buying choices to online shoppers. It is critical for eCommerce search engines to showcase in the top results the variety and selection of inventory available, specifically in the context of the various buying intents that may be associated with a search query. Search rankers are most commonly powered by learning-to-rank models which learn the preference between items during training. However, they score items independent of other items at runtime. Although the items placed at top of the results by such scoring functions may be independently optimal, they can be sub-optimal as a set. This may lead to a mismatch between the ideal distribution of items in the top results vs what is actually impressed. In this paper, we present methods to address the purchase-impression gap observed in top search results on eCommerce sites. We establish the ideal distribution of items based on historic shopping patterns. We then present a sequential reranker that methodically reranks top search results produced by a conventional pointwise scoring ranker. The reranker produces a reordered list by sequentially selecting candidates trading off between their independent relevance and potential to address the purchase-impression gap by utilizing specially constructed features that capture impression distribution of items already added to a reranked list. The sequential reranker enables addressing purchase impression gap with respect to multiple item aspects. Early version of the reranker showed promising lifts in conversion and engagement metrics at eBay. Based on experiments on randomly sampled validation datasets, we observe that the reranking methodology presented produces around 10% reduction in purchase-impression gap at an average for the top 20 results, while making improvements to conversion metrics.
• Abstract（参考訳）: eBayのような大規模なeコマースプラットフォームは、さまざまな在庫を持ち、オンライン買い物客にいくつかの購入オプションを提供している。 eコマース検索エンジンは、検索クエリに関連付けられる可能性のあるさまざまな購入意図の文脈において、利用可能な在庫の多様性と選択を上位に示すことが重要である。 検索ランク付けは、トレーニング中のアイテム間の好みを学習する学習からランク付けするモデルに最もよく利用される。 しかし、実行時に他のアイテムとは独立してアイテムをスコアする。 このようなスコアリング関数によって結果のトップに置かれる項目は独立に最適であるが、集合として準最適である。 これは、トップ結果の項目の理想的な分布と実際に感銘を受けたものとのミスマッチを引き起こす可能性がある。 本稿では,eコマースサイトのトップ検索結果に見られる購買・印象ギャップに対処する手法を提案する。 歴史的ショッピングパターンに基づく商品の理想的な分布を確立する。 次に,従来の点数ランキング装置で生成した上位検索結果を手法的に参照するシーケンシャルリランカを提案する。 リランクは、リランクリストに追加されたアイテムの印象分布をキャプチャする特別に構築された特徴を利用して、その独立関係と購入印象ギャップに対処する可能性との間で交換する候補を順次選択してリ順序リストを生成する。 シーケンシャルリランカは、複数のアイテム側面に関する購入印象ギャップに対処することができる。 rerankerの初期バージョンは、ebayでコンバージョンとエンゲージメントの指標で有望な向上を見せた。 ランダムにサンプリングされた検証データセットの実験から,提案手法が上位20項目の平均購入・印象ギャップを約10%削減し,変換指標の改善を実現していることが明らかとなった。

関連論文リスト

• Relevance Filtering for Embedding-based Retrieval [46.851594313019895]
  埋め込み型検索では、ANN(Approximate Nearest Neighbor)検索により、大規模データセットから類似したアイテムを効率的に検索することができる。 本稿では,この課題に対処するために,埋め込み型検索のための新しい関連フィルタリングコンポーネント("Cosine Adapter" と呼ぶ)を提案する。 少ないリコールの損失を犠牲にして、回収したセットの精度を大幅に向上することが可能です。
  論文  参考訳（メタデータ） (2024-08-09T06:21:20Z)
• Efficient and Accurate Top-$K$ Recovery from Choice Data [1.14219428942199]
  レコメンデーションシステムのようないくつかのアプリケーションでは、統計学者は主に大量のアイテムから上位のアイテムの集合を回収することに興味がある。 そこで本稿では,K$-recoveryの高速かつ高精度なランキングアルゴリズムとして,選択に基づくボルダカウントアルゴリズムを提案する。 選択に基づくボルダカウントアルゴリズムは,多種多様なランダム効用モデルの下で,上位$Kの回収に最適なサンプル複雑性を有することを示す。
  論文  参考訳（メタデータ） (2022-06-23T22:05:08Z)
• PEAR: Personalized Re-ranking with Contextualized Transformer for Recommendation [48.17295872384401]
  文脈変換器に基づくパーソナライズされた再ランクモデル(Dubbed PEAR)を提案する。 PEARは、既存のメソッドに対していくつかの大きな改善を行っている。 また、ランキングリスト全体のユーザの満足度を評価するために、リストレベルの分類タスクでPEARのトレーニングを強化する。
  論文  参考訳（メタデータ） (2022-03-23T08:29:46Z)
• Incentives for Item Duplication under Fair Ranking Policies [69.14168955766847]
  重複が存在する場合の様々な公正ランキングポリシーの振る舞いについて検討する。 適合性にのみ焦点を絞った政策よりも、重複を動機付ける可能性を秘めているため、公正を意識したランキングポリシーは多様性と矛盾する可能性がある。
  論文  参考訳（メタデータ） (2021-10-29T11:11:15Z)
• Grouping Search Results with Product Graphs in E-commerce Platforms [2.887393074590696]
  本稿では,検索結果を複数のランクリストに分類し,より優れたユーザインテントを提供するフレームワークを提案する。 例えば「ミルク」という問合せでは、結果は「白い牛乳」、「低脂肪牛乳」、「アーモンドミルク」、「風味のある牛乳」の複数のスタックにまとめられる。
  論文  参考訳（メタデータ） (2021-09-20T08:01:29Z)
• Online Learning of Optimally Diverse Rankings [63.62764375279861]
  ユーザのフィードバックのみに基づいて最適なリストを効率よく学習するアルゴリズムを提案する。 我々は、$T$クエリの後に、LDRの後悔は$O((N-L)log(T))$としてスケールする。
  論文  参考訳（メタデータ） (2021-09-13T12:13:20Z)
• PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
  ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。 ピランクは所望の指標をゼロ温度の限界で正確に回収する。
  論文  参考訳（メタデータ） (2020-12-12T05:07:36Z)
• Learning Robust Models for e-Commerce Product Search [23.537201383165755]
  検索クエリ意図にマッチしないアイテムを表示することは、eコマースにおける顧客エクスペリエンスを低下させる。 問題を緩和するには、大きなラベル付きデータセットが必要である。 我々は、ミスマッチを効果的に分類することを学ぶ、深いエンドツーエンドモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-07T17:22:21Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。