論文の概要: Which products activate a product? An explainable machine learning approach

• arxiv url: http://arxiv.org/abs/2212.03094v1
• Date: Mon, 5 Dec 2022 15:14:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 18:10:52.823630
• Title: Which products activate a product? An explainable machine learning approach
• Title（参考訳）: どの製品が製品をアクティベートするか? 説明可能な機械学習アプローチ
• Authors: Massimiliano Fessina, Giambattista Albora, Andrea Tacchella and Andrea Zaccaria
• Abstract要約: 木に基づく機械学習アルゴリズムは、国がターゲット製品を輸出する可能性の最も正確な評価を提供する。 実用性評価における製品の重要性を統計的に検証する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tree-based machine learning algorithms provide the most precise assessment of the feasibility for a country to export a target product given its export basket. However, the high number of parameters involved prevents a straightforward interpretation of the results and, in turn, the explainability of policy indications. In this paper, we propose a procedure to statistically validate the importance of the products used in the feasibility assessment. In this way, we are able to identify which products, called explainers, significantly increase the probability to export a target product in the near future. The explainers naturally identify a low dimensional representation, the Feature Importance Product Space, that enhances the interpretability of the recommendations and provides out-of-sample forecasts of the export baskets of countries. Interestingly, we detect a positive correlation between the complexity of a product and the complexity of its explainers.
• Abstract（参考訳）: 木に基づく機械学習アルゴリズムは、輸出バスケットからターゲット商品を輸出する国にとっての最も正確な可能性の評価を提供する。 しかし、関連するパラメータの多さは、結果の直接的な解釈を防ぎ、政策表示の説明可能性も損なう。 本稿では,実現可能性評価における製品の重要性を統計的に検証する手法を提案する。 このようにして、説明器と呼ばれるどの製品が近い将来にターゲット製品をエクスポートする確率を大幅に増加させるかを特定することができる。 低次元の表現である特徴重要商品空間を自然に特定し、レコメンデーションの解釈可能性を高め、各国の輸出バスケットのアウト・オブ・サンプル予測を提供する。 興味深いことに、製品の複雑さと説明者の複雑さの正の相関を検知する。

関連論文リスト

• Learn by Selling: Equipping Large Language Models with Product Knowledge for Context-Driven Recommendations [0.0]
  本稿では,大規模言語モデル(LLM)を製品知識と組み合わせて,製品IDを含む合成検索クエリに文脈的に応答するように訓練する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-30T14:31:53Z)
• C-ICL: Contrastive In-context Learning for Information Extraction [54.39470114243744]
  c-ICLは、正しいサンプル構築と間違ったサンプル構築の両方を活用して、コンテキスト内学習のデモを作成する、新しい数ショット技術である。 各種データセットに対する実験により,c-ICLは従来の数発のインコンテキスト学習法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-17T11:28:08Z)
• Lost in the Source Language: How Large Language Models Evaluate the Quality of Machine Translation [64.5862977630713]
  本研究では,機械翻訳評価タスクにおいて,Large Language Models (LLM) がソースデータと参照データをどのように活用するかを検討する。 参照情報が評価精度を大幅に向上させるのに対して,意外なことに,ソース情報は時として非生産的である。
  論文  参考訳（メタデータ） (2024-01-12T13:23:21Z)
• Product Information Extraction using ChatGPT [69.12244027050454]
  本稿では,製品記述から属性/値対を抽出するChatGPTの可能性について検討する。 以上の結果から,ChatGPTは事前学習した言語モデルに類似した性能を達成できるが,微調整を行うにはトレーニングデータや計算処理がはるかに少ないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-23T09:30:01Z)
• Explaining Recommendation System Using Counterfactual Textual Explanations [4.318555434063274]
  エンドユーザーが何らかのアウトプットを生産する理由を理解すれば、システムへの信頼がより容易になる。 より説明可能な出力を生成する方法の1つは、反実的推論を使うことである。
  論文  参考訳（メタデータ） (2023-03-14T06:45:28Z)
• Decision support system for distributed manufacturing based on input-output analysis and economic complexity [0.0]
  新型コロナウイルス(COVID-19)危機で供給が途絶えたことは不足につながったが、一部の企業の適応性も示している。 これらの企業は、ハイドロアルコールゲル、マスク、医療用ガウンなどの不足品を生産するために、生産チェーンを迅速に適応させることに成功している。 生成物Aから生成物Bへのこれらの生産的ジャンプは、2種類の生成物間のノウハウ近接性のために実現可能である。
  論文  参考訳（メタデータ） (2021-12-23T09:45:49Z)
• Product Progression: a machine learning approach to forecasting industrial upgrading [0.0]
  予測すべき重要な対象は新製品の活性化であり、木に基づくアルゴリズムは、非常に強力な自動相関ベンチマークと他の教師付きアルゴリズムの両方を明らかに上回っている。 当社のアプローチには直接的な政策上の意味があり、その国に新しい製品を導入する可能性の定量的かつ科学的に検証された指標を提供する。
  論文  参考訳（メタデータ） (2021-05-31T14:59:37Z)
• Adversarial learning for product recommendation [0.0]
  本研究は, 共同分布(ビュー, 購入)行動からサンプルを生成することを学習する条件付き, 結合型生成対向ネットワーク(RecommenderGAN)を提案する。 しかし,本モデルが提案する勧告は,消費者やデジタル小売業者に有効である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-07-07T23:35:36Z)
• Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
  分析による特徴に基づく説明の新たな評価基準を確立する。 我々は、緩やかに必要であり、予測に十分である新しい説明を得る。 我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
  論文  参考訳（メタデータ） (2020-05-31T05:52:05Z)
• Cross-Lingual Low-Resource Set-to-Description Retrieval for Global E-Commerce [83.72476966339103]
  言語間情報検索は、国境を越えたeコマースにおける新しい課題である。 文脈依存型言語間マッピングの強化を図った新しい言語間マッチングネットワーク(CLMN)を提案する。 実験結果から,提案したCLMNは課題に対して印象的な結果をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2020-05-17T08:10:51Z)
• Salience Estimation with Multi-Attention Learning for Abstractive Text Summarization [86.45110800123216]
  テキスト要約のタスクでは、単語、フレーズ、文のサリエンス推定が重要な要素である。 本稿では,サラレンス推定のための2つの新しい注目学習要素を含むマルチアテンション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-07T02:38:56Z)

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。