論文の概要: User-click Modelling for Predicting Purchase Intent
- arxiv url: http://arxiv.org/abs/2112.02006v1
- Date: Fri, 3 Dec 2021 16:37:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-06 17:42:19.961000
- Title: User-click Modelling for Predicting Purchase Intent
- Title（参考訳）: 購入意図予測のためのユーザクリックモデル
- Authors: Simone Borg Bruun
- Abstract要約: この論文は、ユーザの振る舞いをモデル化するオープンな数学的問題に対する構造化された調査に寄与する。
企業がWebサイトとのユーザインタラクションを理解することは、消費者の振る舞いに関するリッチで個人化された洞察を提供するため、価値がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This thesis contributes a structured inquiry into the open actuarial
mathematics problem of modelling user behaviour using machine learning methods,
in order to predict purchase intent of non-life insurance products. It is
valuable for a company to understand user interactions with their website as it
provides rich and individualized insight into consumer behaviour. Most of
existing research in user behaviour modelling aims to explain or predict clicks
on a search engine result page or to estimate click-through rate in sponsored
search. These models are based on concepts about users' examination patterns of
a web page and the web page's representation of items. Investigating the
problem of modelling user behaviour to predict purchase intent on a business
website, we observe that a user's intention yields high dependency on how the
user navigates the website in terms of how many different web pages the user
visited, what kind of web pages the user interacted with, and how much time the
user spent on each web page. Inspired by these findings, we propose two
different ways of representing features of a user session leading to two models
for user click-based purchase prediction: one based on a Feed Forward Neural
Network, and another based on a Recurrent Neural Network. We examine the
discriminativeness of user-clicks for predicting purchase intent by comparing
the above two models with a model using demographic features of the user. Our
experimental results show that our click-based models significantly outperform
the demographic model, in terms of standard classification evaluation metrics,
and that a model based on a sequential representation of user clicks yields
slightly greater performance than a model based on feature engineering of
clicks.
- Abstract（参考訳）: 本論文は,非生命保険商品の購入意図を予測するため,機械学習手法を用いてユーザ行動のモデル化を行うオープンな数学的問題に対する構造化された調査である。
企業がWebサイトとのユーザインタラクションを理解することは、消費者の振る舞いに関するリッチで個人化された洞察を提供するため、価値がある。
ユーザビヘイビアモデリングにおける既存の研究のほとんどは、検索結果ページのクリックの説明や予測、あるいはスポンサー付き検索におけるクリックスルー率の推定を目的としている。
これらのモデルは、ユーザによるWebページの検査パターンと、Webページによるアイテムの表現の概念に基づいている。
ビジネスwebサイトの購入意図を予測するためにユーザ動作をモデル化する問題を調査し,ユーザが訪問したwebページ数,ユーザが操作したwebページの種類,各webページに費やした時間,といった観点から,ユーザの意図がwebサイトをナビゲートする方法に大きく依存していることを観察した。
これらの知見に触発されて,ユーザセッションの特徴を表現する2つの異なる方法を提案し,ユーザクリックに基づく購入予測モデルとして,フィードフォワードニューラルネットワークに基づくものと,リカレントニューラルネットワークに基づくもの,を提案する。
上記の2つのモデルと,ユーザの人口統計学的特徴を用いたモデルを比較することにより,購入意図を予測するためのユーザクリックの判別性を検討する。
実験結果から,我々のクリックベースモデルは,標準分類評価指標において,人口統計モデルよりも有意に優れており,ユーザクリックの逐次表現に基づくモデルでは,クリックの特徴工学に基づくモデルよりも若干高い性能が得られることが示された。
関連論文リスト
- New User Event Prediction Through the Lens of Causal Inference [20.676353189313737]
新規ユーザのための新しい離散イベント予測フレームワークを提案する。
提案手法は,カテゴリを知る必要のない新規ユーザに対して,バイアスのない予測を提供する。
数値シミュレーションと実世界の2つの応用を用いて,提案手法の優れた性能を実証する。
論文 参考訳（メタデータ） (2024-07-08T05:35:54Z) - UniMatch: A Unified User-Item Matching Framework for the Multi-purpose
Merchant Marketing [27.459774494479227]
1つのモデルでアイテムレコメンデーションとユーザターゲティングを同時に行うために,統合されたユーザイテムマッチングフレームワークを提案する。
我々のフレームワークは、最先端の手法と比較して大幅に性能が向上し、計算資源や日々のメンテナンスにかかるコストが大幅に削減された。
論文 参考訳（メタデータ） (2023-07-19T13:49:35Z) - Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。
しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。
したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
論文 参考訳（メタデータ） (2022-11-17T19:00:24Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - PinnerFormer: Sequence Modeling for User Representation at Pinterest [60.335384724891746]
我々は、ユーザの将来的なエンゲージメントを予測するためにトレーニングされたユーザ表現であるPinnerFormerを紹介する。
従来のアプローチとは異なり、新しい密集した全アクション損失を通じて、モデリングをバッチインフラストラクチャに適応させます。
その結果,1日に1回発生するバッチユーザ埋め込みと,ユーザがアクションを行うたびに発生するリアルタイムユーザ埋め込みとの間には,大きなギャップがあることが判明した。
論文 参考訳（メタデータ） (2022-05-09T18:26:51Z) - 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) - Learning Dual Dynamic Representations on Time-Sliced User-Item
Interaction Graphs for Sequential Recommendation [62.30552176649873]
シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。
両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。
モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
論文 参考訳（メタデータ） (2021-09-24T07:44:27Z) - Exploiting Behavioral Consistence for Universal User Representation [11.290137806288191]
我々は普遍的ユーザ表現モデルの開発に注力する。
得られた普遍表現には豊富な情報が含まれることが予想される。
行動データを普遍表現にエンコードする自己監視型ユーザモデリングネットワーク(SUMN)を提案する。
論文 参考訳（メタデータ） (2020-12-11T06:10:14Z) - TPG-DNN: A Method for User Intent Prediction Based on Total Probability
Formula and GRU Loss with Multi-task Learning [36.38658213969406]
本稿では,新しいユーザ意図予測モデルであるTPG-DNNを提案する。
提案モデルは,タオバオプラットフォーム上でのクーポンの割り当て,広告,レコメンデーションに広く利用されている。
論文 参考訳（メタデータ） (2020-08-05T13:25:53Z) - Towards Open-World Recommendation: An Inductive Model-based
Collaborative Filtering Approach [115.76667128325361]
推奨モデルは、基礎となるユーザの関心を効果的に見積もり、将来の行動を予測することができる。
2つの表現モデルを含む帰納的協調フィルタリングフレームワークを提案する。
本モデルでは,限られたトレーニングレーティングと新規の未確認ユーザを対象に,数ショットのユーザに対して有望なレコメンデーションを行う。
論文 参考訳（メタデータ） (2020-07-09T14:31:25Z)
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。