論文の概要: Clustering-based Aggregations for Prediction in Event Streams

• arxiv url: http://arxiv.org/abs/2210.09738v1
• Date: Tue, 18 Oct 2022 10:30:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 15:23:48.173866
• Title: Clustering-based Aggregations for Prediction in Event Streams
• Title（参考訳）: イベントストリームの予測のためのクラスタリングに基づく集約
• Authors: Yorick Spenrath and Marwan Hassani and Boudewijn F. Van Dongen
• Abstract要約: オンライン環境でのこのトレードオフに焦点を当てたフレームワークであるCAPiESを紹介します。 同時に多数のエンティティを予測することにより、予測精度は向上するが、有用性の潜在的コストは向上する。 現実のシナリオでは、16万以上の買い物客を持つスーパーマーケットと17万件以上の請求書を持つペイント工場の2つにトレードオフが存在することを示す。
• 参考スコア（独自算出の注目度）: 0.537133760455631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the behaviour of shoppers provides valuable information for retailers, such as the expected spend of a shopper or the total turnover of a supermarket. The ability to make predictions on an individual level is useful, as it allows supermarkets to accurately perform targeted marketing. However, given the expected number of shoppers and their diverse behaviours, making accurate predictions on an individual level is difficult. This problem does not only arise in shopper behaviour, but also in various business processes, such as predicting when an invoice will be paid. In this paper we present CAPiES, a framework that focuses on this trade-off in an online setting. By making predictions on a larger number of entities at a time, we improve the predictive accuracy but at the potential cost of usefulness since we can say less about the individual entities. CAPiES is developed in an online setting, where we continuously update the prediction model and make new predictions over time. We show the existence of the trade-off in an experimental evaluation in two real-world scenarios: a supermarket with over 160 000 shoppers and a paint factory with over 171 000 invoices.
• Abstract（参考訳）: 買い物客の行動を予測することは、買い物客の期待消費やスーパーマーケットの総転売など、小売業者にとって貴重な情報を提供する。 個々のレベルで予測を行う能力は有用であり、スーパーマーケットがターゲットマーケティングを正確に行うことができる。 しかし,買い物客の予想数や多様な行動を考えると,個々のレベルの正確な予測は困難である。 この問題は買い物客の振る舞いだけでなく、請求書がいつ支払われるかを予測するといった様々なビジネスプロセスにも発生する。 本稿では,このトレードオフに着目したフレームワークであるCAPiESについて述べる。 同時に多数のエンティティを予測することによって、予測精度は向上するが、個々のエンティティについてはあまり語れないので、有用性の潜在的なコストで予測できる。 CAPiESはオンライン環境で開発され、予測モデルを継続的に更新し、時間とともに新しい予測を行う。 実世界の2つのシナリオにおける実験評価におけるトレードオフの存在を示す。1万以上の買い物客を持つスーパーマーケットと、171万以上の請求書を持つペイントファクトリーである。

関連論文リスト

• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Early Churn Prediction from Large Scale User-Product Interaction Time Series [0.0]
  本稿では,歴史的データを用いたユーザチャーン予測に関する徹底的な研究を行う。 我々は,顧客満足度予測モデルを作成し,企業の誘惑傾向の理解と効果的な保留計画の策定を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-09-25T08:44:32Z)
• A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study [2.126171264016785]
  我々は、中国最大のオンライン小売店であるJDにおいて、特定の商品カテゴリーに対する454,897人のオンライン顧客行動を分析するハイブリッド解釈モデルを開発した。 以上の結果から,顧客の製品選択が約束される納期に無関心であることが分かるが,この要因は顧客の注文量に大きな影響を及ぼす。 特定のディスカウントアプローチがより効果的である製品クラスを特定し、異なるディスカウントツールの使用を改善するためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2022-12-01T19:37:29Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• Predicting Customer Lifetime Values -- ecommerce use case [0.0]
  この研究は、まず'buy-till-you-die'統計モデルを使用して顧客の振る舞いを予測し、その後、同じデータセット上でニューラルネットワークを使用して結果を比較する、顧客の将来の購入を予測する2つのアプローチを比較する。
  論文  参考訳（メタデータ） (2021-02-10T23:17:16Z)
• OPAM: Online Purchasing-behavior Analysis using Machine learning [0.8121462458089141]
  本稿では,教師なし・教師なし・半教師付き学習手法を用いた顧客の購買行動分析システムを提案する。 提案システムは,顧客カテゴリやクラスタを特定するために,セッションおよびユーザジャーニーレベルの購買行動を分析する。
  論文  参考訳（メタデータ） (2021-02-02T17:29:52Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
  意思決定者は、しばしば不完全な確率予測に頼る必要がある。 本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。 本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
  論文  参考訳（メタデータ） (2020-11-15T08:22:39Z)
• Categorizing Online Shopping Behavior from Cosmetics to Electronics: An Analytical Framework [3.6726589459214445]
  提案フレームワークは、自動購入予測と記述的な消費者インサイトを得るために、他の大規模なEコマースデータセットに拡張可能である。 提案システムは97～99%の分類精度を達成し,ユーザ・ジャーニーレベルの購買予測を行う。
  論文  参考訳（メタデータ） (2020-10-06T06:16:44Z)
• 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。