論文の概要: Diversify and Conquer: Bandits and Diversity for an Enhanced E-commerce Homepage Experience

• arxiv url: http://arxiv.org/abs/2309.14046v1
• Date: Mon, 25 Sep 2023 11:22:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 16:02:02.304662
• Title: Diversify and Conquer: Bandits and Diversity for an Enhanced E-commerce Homepage Experience
• Title（参考訳）: 多様化とコンカー : 電子商取引ホームページを充実させるバンドと多様性
• Authors: Sangeet Jaiswal, Korah T Malayil, Saif Jawaid, Sreekanth Vempati
• Abstract要約: モバイルデバイスの画面サイズが制限されているため、インターフェースの上部に配置されたウィジェットはより目立つように表示される。 バッチフィードバックの遅延を伴うコンテキスト的マルチアームバンディット問題として,垂直ウィジェットの並べ替えをモデル化する。 本稿では、文脈的帯域幅と多様性層を組み合わせて総合ランキングを改善するための2段階ランキングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the realm of e-commerce, popular platforms utilize widgets to recommend advertisements and products to their users. However, the prevalence of mobile device usage on these platforms introduces a unique challenge due to the limited screen real estate available. Consequently, the positioning of relevant widgets becomes pivotal in capturing and maintaining customer engagement. Given the restricted screen size of mobile devices, widgets placed at the top of the interface are more prominently displayed and thus attract greater user attention. Conversely, widgets positioned further down the page require users to scroll, resulting in reduced visibility and subsequent lower impression rates. Therefore it becomes imperative to place relevant widgets on top. However, selecting relevant widgets to display is a challenging task as the widgets can be heterogeneous, widgets can be introduced or removed at any given time from the platform. In this work, we model the vertical widget reordering as a contextual multi-arm bandit problem with delayed batch feedback. The objective is to rank the vertical widgets in a personalized manner. We present a two-stage ranking framework that combines contextual bandits with a diversity layer to improve the overall ranking. We demonstrate its effectiveness through offline and online A/B results, conducted on proprietary data from Myntra, a major fashion e-commerce platform in India.
• Abstract（参考訳）: eコマースの分野では、人気のあるプラットフォームはウィジェットを使って広告や製品をユーザーに推薦する。 しかし、これらのプラットフォームにおけるモバイルデバイスの利用頻度は、限られた画面領域で利用できるため、ユニークな課題をもたらす。 その結果、顧客エンゲージメントの獲得と維持において、関連するウィジェットの位置決めが重要となる。 モバイル端末の画面サイズが制限されているため、インターフェースの上部に配置されたウィジェットはより目立つように表示され、ユーザーの注目を集める。 逆に、ページをさらに下に配置するウィジェットでは、ユーザがスクロールする必要があるため、視認性が低下し、インプレッション率が低下する。 そのため、関連するウィジェットを上部に置くことが必須となる。 しかし、関連するウィジェットを選択することは難しい作業であり、ウィジェットは異種であり、ウィジェットはプラットフォームからいつでも導入または削除できる。 本研究では,垂直ウィジェットの並べ替えを,バッチフィードバックの遅延を伴うコンテキスト的マルチアームバンディット問題としてモデル化する。 目的は、垂直ウィジェットをパーソナライズされた方法でランク付けすることである。 本稿では,コンテキストバンディットと多様性層を組み合わせた2段階のランク付けフレームワークを提案する。 インドの主要なファッションeコマースプラットフォームであるmyntraのプロプライエタリなデータに基づいて、オフラインおよびオンラインa/b結果を通じてその効果を実証する。

関連論文リスト

• ShowUI: One Vision-Language-Action Model for GUI Visual Agent [80.50062396585004]
  グラフィカルユーザインタフェース(GUI)アシスタントの構築は、人間のワークフロー生産性を向上させるための大きな約束である。 デジタルワールドにおける視覚言語アクションモデル、すなわちShowUIを開発し、以下のイノベーションを特徴とする。 256Kデータを使用した軽量な2BモデルであるShowUIは、ゼロショットのスクリーンショットグラウンドで75.1%の精度を実現している。
  論文  参考訳（メタデータ） (2024-11-26T14:29:47Z)
• AMEX: Android Multi-annotation Expo Dataset for Mobile GUI Agents [50.39555842254652]
  我々は,モバイルシナリオにおけるAIエージェントの研究を進めるために,Android Multi-Annotation EXpo (AMEX)を紹介した。 AMEXは110のモバイルアプリケーションから104K以上の高解像度のスクリーンショットで構成されており、複数のレベルでアノテートされている。 AMEXには、GUIインタラクティブな要素接地、GUIスクリーンと要素機能記述、複雑な自然言語命令の3段階のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2024-07-03T17:59:58Z)
• Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
  微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。 パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。 これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:20:44Z)
• Mobile Fitting Room: On-device Virtual Try-on via Diffusion Models [19.10976982327356]
  Mobile Fitting Roomは、デバイス上での拡散ベースの仮想トライオンシステムである。 利用シナリオは、私たちのツールが顧客に対してシームレスでインタラクティブな仮想試行体験を提供する方法を強調します。
  論文  参考訳（メタデータ） (2024-02-02T20:05:45Z)
• Mobile Supply: The Last Piece of Jigsaw of Recommender System [16.56034842580895]
  モービルサプライ->モービルランキングと呼ばれるレコメンデータシステムのパイプラインにおいて,完全に新しいモジュールを提案する。 我々はポイントワイズパラダイムを用いて、現在のページのモバイルランキングによって達成される収益をリストワイズで推定する。 また、新しいパイプラインに合わせたモバイルデバイスの違いを考慮して、デバイス対応モバイルランキングという新しいモバイルランキング手法を設計する。
  論文  参考訳（メタデータ） (2023-08-07T18:06:46Z)
• NiCro: Purely Vision-based, Non-intrusive Cross-Device and Cross-Platform GUI Testing [19.462053492572142]
  我々は,非侵入型クロスデバイス・クロスプラットフォームシステムNiCroを提案する。 NiCroは最先端のGUIウィジェット検出器を使用してGUIイメージからウィジェットを検出し、さまざまなデバイスにまたがるウィジェットにマッチする一連の包括的な情報を分析する。 システムレベルでは、NiCroは仮想デバイスファームとロボットアームシステムと対話して、非侵襲的にクロスデバイスでクロスプラットフォームなテストを実行することができる。
  論文  参考訳（メタデータ） (2023-05-24T01:19:05Z)
• Two-level Data Augmentation for Calibrated Multi-view Detection [51.5746691103591]
  ビュー間のアライメントを保った新しいマルチビューデータ拡張パイプラインを導入する。 また,シーンレベルで直接適用された第2レベルの拡張を提案する。 単純なマルチビュー検出モデルと組み合わせることで、2レベル拡張パイプラインは既存のベースラインすべてより優れています。
  論文  参考訳（メタデータ） (2022-10-19T17:55:13Z)
• Towards Better Semantic Understanding of Mobile Interfaces [7.756895821262432]
  UI要素の機能の理解を深めることを目的とした,約500万のユニークなアノテーションを備えた,人間アノテーション付きデータセットをリリースしています。 このデータセットは、モバイルUIの大規模なデータセットであるRICOのイメージとビュー階層を拡張している。 また、画像のみの入力とマルチモーダル入力を用いたモデルもリリースし、様々なアーキテクチャを実験し、新しいデータセットでマルチモーダル入力を使用することの利点について検討する。
  論文  参考訳（メタデータ） (2022-10-06T03:48:54Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• Contextual User Browsing Bandits for Large-Scale Online Mobile Recommendation [24.810164687987243]
  より高い位置は、1つの商品のクリック数を増やす。 まずは推奨アイテムがいくつか表示され、ユーザーは他のアイテムを閲覧するために画面をスライドする必要がある。 後付けの推奨項目はユーザには見られず、このような項目を否定的な例として扱うのは適切ではない。
  論文  参考訳（メタデータ） (2020-08-21T08:22:30Z)
• General-Purpose User Embeddings based on Mobile App Usage [46.343844014289246]
  保留、インストール、アンインストールを含むモバイルアプリの利用行動は、ユーザの長期的な利益と短期的な利益の両方に良い指標となる。 伝統的に、モバイルアプリの使用によるユーザーモデリングは、手作りの機能工学に大きく依存している。 本稿では,これらの課題を克服し,手作業の削減と性能向上を目標とする,AutoEncoder-Coupled Transformer Network(AETN)を提案する。
  論文  参考訳（メタデータ） (2020-05-27T12:01:50Z)

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。