Fugu-MT 論文翻訳(概要): Categorising Products in an Online Marketplace: An Ensemble Approach

論文の概要: Categorising Products in an Online Marketplace: An Ensemble Approach

arxiv url: http://arxiv.org/abs/2304.13852v1
Date: Wed, 26 Apr 2023 22:38:22 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 14:52:20.177514
Title: Categorising Products in an Online Marketplace: An Ensemble Approach
Title（参考訳）: オンラインマーケットプレイスにおける商品分類:アンサンブルアプローチ
Authors: Kieron Drumm
Abstract要約: 近年では、機械学習を利用して製品を自動的に分類するEコマース企業にとって、製品分類は一般的な問題となっている。異なるモデルの組み合わせを用いて,各製品のカテゴリ,サブカテゴリ,色を別々に予測するアンサンブルアプローチを提案する。以上の手法により, 平均F1スコア0.82は, XGBoost と k-nearest の組合せで得られた特徴を予測できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, product categorisation has been a common issue for E-commerce companies who have utilised machine learning to categorise their products automatically. In this study, we propose an ensemble approach, using a combination of different models to separately predict each product's category, subcategory, and colour before ultimately combining the resultant predictions for each product. With the aforementioned approach, we show that an average F1-score of 0.82 can be achieved using a combination of XGBoost and k-nearest neighbours to predict said features.
Abstract（参考訳）: 近年では、機械学習を利用して製品を自動的に分類するEコマース企業にとって、製品分類は一般的な問題となっている。本研究では,各製品のカテゴリ,サブカテゴリ,カラーを別々に予測するために,異なるモデルの組み合わせを用いてアンサンブルアプローチを提案する。以上の手法により, 平均F1スコア0.82は, XGBoost と k-nearest の組合せで得られた特徴を予測できることを示す。

関連論文リスト

Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
論文参考訳（メタデータ） (2024-09-23T12:28:40Z)
Cohort Squeeze: Beyond a Single Communication Round per Cohort in Cross-Device Federated Learning [51.560590617691005]
各コホートから「より多くのジュースを抽出できるかどうか」を単一の通信ラウンドでできることよりも検討する。本手法は,デバイス間通信におけるFLモデルのトレーニングに必要な通信コストを最大74%削減する。
論文参考訳（メタデータ） (2024-06-03T08:48:49Z)
Text-Based Product Matching -- Semi-Supervised Clustering Approach [9.748519919202986]
本稿では,半教師付きクラスタリング手法を用いた製品マッチングの新しい哲学を提案する。実世界のデータセット上でIDECアルゴリズムを実験することにより,本手法の特性について検討する。
論文参考訳（メタデータ） (2024-02-01T18:52:26Z)
Federated Learning Aggregation: New Robust Algorithms with Guarantees [63.96013144017572]
エッジでの分散モデルトレーニングのために、フェデレートラーニングが最近提案されている。本稿では,連合学習フレームワークにおける集約戦略を評価するために,完全な数学的収束解析を提案する。損失の値に応じてクライアントのコントリビューションを差別化することで、モデルアーキテクチャを変更できる新しい集約アルゴリズムを導出する。
論文参考訳（メタデータ） (2022-05-22T16:37:53Z)
Personalized Federated Learning via Convex Clustering [72.15857783681658]
本稿では,局所凸型ユーザコストを用いた個人化フェデレーション学習のためのアルゴリズム群を提案する。提案するフレームワークは,異なるユーザのモデルの違いをペナル化する凸クラスタリングの一般化に基づいている。
論文参考訳（メタデータ） (2022-02-01T19:25:31Z)
A Case Study on Sampling Strategies for Evaluating Neural Sequential Item Recommendation Models [69.32128532935403]
負の項目をサンプリングする2つのよく知られた戦略は、一様ランダムサンプリングと人気によるサンプリングである。我々は、現在最先端のシーケンシャルレコメンデータモデルを再評価する。いずれのサンプリング戦略も,モデルの完全なランキングと比較すると,一貫性のないランキングを生成できることがわかった。
論文参考訳（メタデータ） (2021-07-27T19:06:03Z)
A new interval-based aggregation approach based on bagging and Interval Agreement Approach (IAA) in ensemble learning [0.0]
本稿では, アンサンブル学習において, ガベージ・リサンプリング・アプローチとIAA(Interval Agreement Approach)を用いた, 間隔に基づく新たなアグリゲーション・モデルを提案する。本稿では,アンサンブル学習における新しいアグリゲーションアプローチの実装に加えて,アンサンブル学習におけるインターバルモデリングの利用を促す実験をいくつか考案した。
論文参考訳（メタデータ） (2020-12-15T09:33:12Z)
Combining Task Predictors via Enhancing Joint Predictability [53.46348489300652]
そこで本研究では,目標予測能力に基づいて参照の関連性を測定し,その関連性を高めるための新しい予測器組合せアルゴリズムを提案する。提案アルゴリズムはベイズフレームワークを用いて,すべての参照の関連性について共同で評価する。視覚属性ランキングとマルチクラス分類シナリオから得られた実世界の7つのデータセットの実験に基づいて,本アルゴリズムが性能向上に寄与し,既存の予測器の組み合わせアプローチの適用範囲を広くすることを示した。
論文参考訳（メタデータ） (2020-07-15T21:58:39Z)
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)
Hierarchical robust aggregation of sales forecasts at aggregated levels in e-commerce, based on exponential smoothing and Holt's linear trend method [0.0]
我々は、異なる(集合の)パラメータで調整された古典技法のいくつかの例から与えられるアンサンブル予測を考える。本手法を,電子商取引会社Cdiscountが提供する階層的な販売データセットに適用する。この性能は、電車のセットで古典的なテクニックを最適にチューニングすることで得られるものよりも優れている。
論文参考訳（メタデータ） (2020-06-05T11:20:25Z)
Scalable bundling via dense product embeddings [1.933681537640272]
バンドルとは,2つ以上の製品をディスカウントで共同販売するプラクティスである。我々は,大規模なクロスカテゴリ小売環境でバンドルを設計するための,機械学習による新しい手法を開発した。埋め込みベースの製品は、バンドルの成功の強力な予測要因であり、製品全体にわたって堅牢であり、小売業者全体の構成によく当てはまります。
論文参考訳（メタデータ） (2020-01-31T23:34:56Z)

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。