論文の概要: Cross-Market Product Recommendation

• arxiv url: http://arxiv.org/abs/2109.05929v1
• Date: Mon, 13 Sep 2021 12:53:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 23:08:14.236208
• Title: Cross-Market Product Recommendation
• Title（参考訳）: クロスマーケット製品レコメンデーション
• Authors: Hamed Bonab, Mohammad Aliannejadi, Ali Vardasbi, Evangelos Kanoulas, James Allan
• Abstract要約: 我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。 我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。 我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
• 参考スコア（独自算出の注目度）: 22.385250578972084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of recommending relevant products to users in relatively resource-scarce markets by leveraging data from similar, richer in resource auxiliary markets. We hypothesize that data from one market can be used to improve performance in another. Only a few studies have been conducted in this area, partly due to the lack of publicly available experimental data. To this end, we collect and release XMarket, a large dataset covering 18 local markets on 16 different product categories, featuring 52.5 million user-item interactions. We introduce and formalize the problem of cross-market product recommendation, i.e., market adaptation. We explore different market-adaptation techniques inspired by state-of-the-art domain-adaptation and meta-learning approaches and propose a novel neural approach for market adaptation, named FOREC. Our model follows a three-step procedure -- pre-training, forking, and fine-tuning -- in order to fully utilize the data from an auxiliary market as well as the target market. We conduct extensive experiments studying the impact of market adaptation on different pairs of markets. Our proposed approach demonstrates robust effectiveness, consistently improving the performance on target markets compared to competitive baselines selected for our analysis. In particular, FOREC improves on average 24% and up to 50% in terms of nDCG@10, compared to the NMF baseline. Our analysis and experiments suggest specific future directions in this research area. We release our data and code for academic purposes.
• Abstract（参考訳）: 本研究では,資源補助市場における類似したリッチなデータを活用することで,比較的資源市場において,ユーザに対して関連商品を推薦する課題について検討する。 我々は、ある市場のデータを別の市場でのパフォーマンス向上に利用できると仮定する。 この地域では、公開実験データが不足していることもあって、いくつかの研究しか行われていない。 この目的のために、私たちは16の異なる製品カテゴリの18の地域市場をカバーする大規模なデータセットであるXMarketを収集、リリースしました。 我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。 我々は、最先端のドメイン適応とメタラーニングアプローチにインスパイアされた異なる市場適応手法を探求し、FORECという新しい市場適応のためのニューラルアプローチを提案する。 我々のモデルは、補助市場とターゲット市場からのデータを完全に活用するために、事前訓練、フォーク、微調整という3段階の手順に従っています。 我々は,市場適応が異なる市場に与える影響について広範な実験を行う。 提案手法はロバストな有効性を示し,本分析で選択した競合ベースラインと比較して目標市場の性能を一貫して改善する。 特に、FORECはNMFベースラインと比較して平均24%、nDCG@10で50%改善している。 分析と実験により,本研究領域における具体的な今後の方向性が示唆された。 学術目的のデータとコードをリリースします。

関連論文リスト

• Electricity Price Forecasting in the Irish Balancing Market [0.0]
  この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。 異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。 大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
  論文  参考訳（メタデータ） (2024-02-09T15:18:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• An adaptive standardisation methodology for Day-Ahead electricity price forecasting [0.0]
  電力市場における日頭価格は、時系列予測において最も一般的な問題の一つである。 これまでの研究は、市場の洗練されたダイナミクスを捉えるために、ますます複雑な学習アルゴリズムを使うことに重点を置いてきた。 本稿では,データセットシフトの効果を緩和する適応標準化を導入することで,代替手法を提案する。
  論文  参考訳（メタデータ） (2023-11-05T09:40:19Z)
• Market-Aware Models for Efficient Cross-Market Recommendation [14.663751660438729]
  クロスマーケットレコメンデーション(CMR)は、よりリッチで補助的なソースマーケットのデータを使用して、低リソースのターゲットマーケットでレコメンデーションを行う。 CMRにおける以前の作業は、メタラーニングを利用して、ターゲット市場でのレコメンデーションパフォーマンスを改善した。 メタ学習の代わりに市場埋め込みを通じて市場を直接モデル化するマーケットアウェア(MA)モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-14T15:44:22Z)
• Machine Learning Framework: Competitive Intelligence and Key Drivers Identification of Market Share Trends Among Healthcare Facilities [0.0]
  アメリカ(アメリカ合衆国)の医療事業がこの研究のために選ばれている。 ワシントン州の60の重要施設にまたがるデータと、約3年間の歴史的データを扱う。
  論文  参考訳（メタデータ） (2022-12-09T12:30:34Z)
• Parity in Markets -- Methods, Costs, and Consequences [109.5267969644294]
  我々は、市場デザイナーがフィッシャー市場の税や補助金を使って、市場均衡の結果が一定の制約内に収まることを確実にする方法を示します。 我々は、既存の文献で提案されている様々な公正性制約を市場ケースに適用し、その制約から誰が利益を得るか、誰を失うかを示す。
  論文  参考訳（メタデータ） (2022-10-05T22:27:44Z)
• Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
  プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。 私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
  論文  参考訳（メタデータ） (2022-08-30T17:43:58Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• OSOUM Framework for Trading Data Research [79.0383470835073]
  私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。 我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。 データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
  論文  参考訳（メタデータ） (2021-02-18T09:20:26Z)
• MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces [51.123916699062384]
  MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。 本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。 学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
  論文  参考訳（メタデータ） (2020-09-30T16:39:31Z)

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。