論文の概要: RetailSynth: Synthetic Data Generation for Retail AI Systems Evaluation

• arxiv url: http://arxiv.org/abs/2312.14095v1
• Date: Thu, 21 Dec 2023 18:17:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 13:41:03.065182
• Title: RetailSynth: Synthetic Data Generation for Retail AI Systems Evaluation
• Title（参考訳）: RetailSynth:リテールAIシステム評価のための合成データ生成
• Authors: Yu Xia, Ali Arian, Sriram Narayanamoorthy, and Joshua Mabry
• Abstract要約: 顧客の買い物行動をシミュレーションする多段階モデルを提案する。 私たちはこのモデルを,作業シミュレーション環境 – Retail Synth に組み入れました。 収益、カテゴリー浸透、顧客維持への影響について分析した。
• 参考スコア（独自算出の注目度）: 4.182702249796689
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Significant research effort has been devoted in recent years to developing personalized pricing, promotions, and product recommendation algorithms that can leverage rich customer data to learn and earn. Systematic benchmarking and evaluation of these causal learning systems remains a critical challenge, due to the lack of suitable datasets and simulation environments. In this work, we propose a multi-stage model for simulating customer shopping behavior that captures important sources of heterogeneity, including price sensitivity and past experiences. We embedded this model into a working simulation environment -- RetailSynth. RetailSynth was carefully calibrated on publicly available grocery data to create realistic synthetic shopping transactions. Multiple pricing policies were implemented within the simulator and analyzed for impact on revenue, category penetration, and customer retention. Applied researchers can use RetailSynth to validate causal demand models for multi-category retail and to incorporate realistic price sensitivity into emerging benchmarking suites for personalized pricing, promotions, and product recommendations.
• Abstract（参考訳）: 近年、豊富な顧客データを活用して学び、得ることができるパーソナライズされた価格設定、プロモーション、および製品推奨アルゴリズムの開発に多大な研究が費やされている。 これらの因果学習システムの体系的なベンチマークと評価は、適切なデータセットとシミュレーション環境が欠如しているため、依然として重要な課題である。 本研究では、価格感や過去の体験を含む不均一性の重要源を捉える顧客ショッピング行動のシミュレーションを行う多段階モデルを提案する。 このモデルを実働シミュレーション環境に組み込んだ -- retailsynth.com です。 RetailSynthは、リアルな合成ショッピングトランザクションを作成するために、一般公開されている食料品データを慎重に調整した。 複数の価格ポリシーがシミュレータ内で実装され、収益、カテゴリの浸透、顧客保持への影響について分析された。 応用研究者はRetailSynthを使用して、マルチカテゴリ小売の因果需要モデルを検証すると同時に、パーソナライズされた価格設定、プロモーション、製品レコメンデーションのための新興ベンチマークスイートに現実的な価格感度を組み込むことができる。

関連論文リスト

• Consumer Transactions Simulation through Generative Adversarial Networks [0.07373617024876725]
  本稿では,合成小売取引データを生成するためのGAN(Generative Adversarial Networks)の革新的な応用について述べる。 我々は、SKUデータをGANアーキテクチャに統合し、より洗練された埋め込み手法を用いて従来の手法から切り離す。 その結果, 実物と実物を比較することで, シミュレーショントランザクションにおける現実性の向上が示された。
  論文  参考訳（メタデータ） (2024-08-07T09:45:24Z)
• IMFL-AIGC: Incentive Mechanism Design for Federated Learning Empowered by Artificial Intelligence Generated Content [15.620004060097155]
  フェデレートラーニング(FL)は、クライアントがローカルデータをアップロードすることなく、共有グローバルモデルを協調的にトレーニングできる、有望なパラダイムとして登場した。 顧客参加を促すため,データ品質を考慮したインセンティブ機構を提案する。 提案したメカニズムは,トレーニングの精度が高く,実世界のデータセットによるサーバコストの最大53.34%を削減できる。
  論文  参考訳（メタデータ） (2024-06-12T07:47:22Z)
• Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
  AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。 合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
  論文  参考訳（メタデータ） (2024-04-11T06:34:17Z)
• Improve Fidelity and Utility of Synthetic Credit Card Transaction Time Series from Data-centric Perspective [10.996626204702189]
  我々は、実際のデータに対する高い忠実性と、機械学習タスクに最適なユーティリティの両方を達成することに注力する。 本研究では,条件付き確率的自己回帰モデルのトレーニングを強化するために,5つの前処理スキーマを導入する。 我々の注目は、時系列データに適した不正検出モデルの訓練に移行し、合成データの有用性を評価することである。
  論文  参考訳（メタデータ） (2024-01-01T22:34:14Z)
• Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A Comprehensive Benchmark [56.8042116967334]
  合成データは、機械学習モデルのトレーニングの代替となる。 合成データが現実世界データの複雑なニュアンスを反映することを保証することは、難しい作業です。 本稿では,データ中心型AI技術の統合による合成データ生成プロセスのガイドの可能性について検討する。
  論文  参考訳（メタデータ） (2023-10-25T20:32:02Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)
• Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic Data [91.52783572568214]
  合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。 合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
  論文  参考訳（メタデータ） (2023-04-07T16:38:40Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
  本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。 まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。 我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
  論文  参考訳（メタデータ） (2022-06-22T19:33:21Z)
• Model Distillation for Revenue Optimization: Interpretable Personalized Pricing [8.07517029746865]
  我々は、複雑なブラックボックス機械学習アルゴリズムから知識を抽出する、カスタマイズされた、規範的なツリーベースアルゴリズムを提案する。 同様のバリュエーションで顧客を分割し、解釈可能性を維持しながら収益を最大化するような価格を定めている。
  論文  参考訳（メタデータ） (2020-07-03T18:33:23Z)
• A Data-driven Market Simulator for Small Data Environments [0.5872014229110214]
  ニューラルネットワークに基づくデータ駆動市場シミュレーションは、金融時系列をモデリングする新しいフレキシブルな方法を公開する。 本稿では,財務時系列のエンコーディングと評価を行う強力な方法として,大まかなパスパースペクティブと擬似変分自動エンコーダフレームワークが組み合わさった方法を示す。
  論文  参考訳（メタデータ） (2020-06-21T14:04:21Z)

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。