論文の概要: MerRec: A Large-scale Multipurpose Mercari Dataset for
Consumer-to-Consumer Recommendation Systems
- arxiv url: http://arxiv.org/abs/2402.14230v1
- Date: Thu, 22 Feb 2024 02:21:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 16:44:25.347222
- Title: MerRec: A Large-scale Multipurpose Mercari Dataset for
Consumer-to-Consumer Recommendation Systems
- Title（参考訳）: MerRec: 消費者から消費者への推薦システムのための大規模多目的Merariデータセット
- Authors: Lichi Li, Zainul Abi Din, Zhen Tan, Sam London, Tianlong Chen, Ajay
Daptardar
- Abstract要約: 我々は、Mercuri eコマースプラットフォームをソースとして、C2Cレコメンデーションに特化した最初の大規模データセットであるMerRecを紹介します。
MerRecには user_id, item_id, session_id といった標準機能だけでなく,タイムスタンプアクションタイプや製品分類,テキスト製品属性といったユニークな要素も含まれている。
- 参考スコア（独自算出の注目度）: 32.21733307856669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the evolving e-commerce field, recommendation systems crucially shape user
experience and engagement. The rise of Consumer-to-Consumer (C2C)
recommendation systems, noted for their flexibility and ease of access for
customer vendors, marks a significant trend. However, the academic focus
remains largely on Business-to-Consumer (B2C) models, leaving a gap filled by
the limited C2C recommendation datasets that lack in item attributes, user
diversity, and scale. The intricacy of C2C recommendation systems is further
accentuated by the dual roles users assume as both sellers and buyers,
introducing a spectrum of less uniform and varied inputs. Addressing this, we
introduce MerRec, the first large-scale dataset specifically for C2C
recommendations, sourced from the Mercari e-commerce platform, covering
millions of users and products over 6 months in 2023. MerRec not only includes
standard features such as user_id, item_id, and session_id, but also unique
elements like timestamped action types, product taxonomy, and textual product
attributes, offering a comprehensive dataset for research. This dataset,
extensively evaluated across six recommendation tasks, establishes a new
benchmark for the development of advanced recommendation algorithms in
real-world scenarios, bridging the gap between academia and industry and
propelling the study of C2C recommendations.
- Abstract（参考訳）: 進化するeコマースの分野では、レコメンデーションシステムはユーザー体験とエンゲージメントを決定的に形作る。
C2C(Consumer-to-Consumer)レコメンデーションシステムの台頭は、顧客ベンダーへの柔軟性とアクセスの容易さで注目されており、大きなトレンドとなっている。
しかし、学術的な焦点は、主にb2c(business-to-consumer)モデルであり、アイテム属性やユーザ多様性、スケールに欠けるc2cレコメンデーションデータセットに満ちたギャップを残している。
C2Cレコメンデーションシステムの複雑さは、ユーザーが売り手と買い手の両方として想定する二重の役割によってさらに強調され、より均一で多様な入力のスペクトルが導入された。
これに対処するために、私たちはmerrecを紹介します。mercari eコマースプラットフォームから派生したc2cレコメンデーションに特化した、最初の大規模なデータセットで、2023年の6ヶ月で数百万のユーザーと製品をカバーします。
MerRecには、user_id、Item_id、 session_idなどの標準機能だけでなく、タイムスタンプアクションタイプ、製品分類、テキスト製品属性といったユニークな要素が含まれており、研究用の包括的なデータセットを提供している。
このデータセットは6つのレコメンデーションタスクで広く評価されており、実際のシナリオにおける高度なレコメンデーションアルゴリズムの開発のための新しいベンチマークを確立し、学術と産業のギャップを埋め、C2Cレコメンデーションの研究を推進している。
関連論文リスト
- Language-Model Prior Overcomes Cold-Start Items [14.370472820496802]
RecSysの成長は、デジタル化と、eコマースやビデオストリーミングなどの分野におけるパーソナライズされたコンテンツの必要性による。
コンテンツベースのレコメンデータやハイブリッドメソッドといったコールドスタート問題の既存のソリューションは、アイテムメタデータを活用してアイテムの類似性を決定する。
本稿では,言語モデル(LM)を用いて項目類似度を推定する,コールドスタートアイテムレコメンデーションのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-11-13T22:45:52Z) - Aligning GPTRec with Beyond-Accuracy Goals with Reinforcement Learning [67.71952251641545]
GPTRecはアイテム・バイ・イテムレコメンデーションのためのTop-Kモデルの代替品である。
GPTRecは,従来のグリーディ・リグレード手法よりも精度とセカンダリ・メトリクスのトレードオフが優れていることを示す。
2つのデータセットに対する実験により、GPTRecのNext-K生成アプローチは、古典的なグリージーな再ランク技術よりも精度と二次メトリクスのトレードオフが優れていることが示された。
論文 参考訳（メタデータ） (2024-03-07T19:47:48Z) - Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential
Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。
Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文 参考訳（メタデータ） (2024-01-12T15:26:40Z) - Alleviating the Long-Tail Problem in Conversational Recommender Systems [72.8984755843184]
会話レコメンデータシステム(CRS)は、自然言語による会話を通じてレコメンデーションサービスを提供することを目的としている。
既存のCRSデータセットは、長い尾の問題に悩まされているため、会話で言及される項目はめったにない(あるいは一度もない)。
本稿では、バランスの取れたCRSデータセットのシミュレーションと利用に焦点を当てた新しいフレームワークである textbfLOT-CRS を提案する。
論文 参考訳（メタデータ） (2023-07-21T15:28:47Z) - Amazon-M2: A Multilingual Multi-locale Shopping Session Dataset for
Recommendation and Text Generation [127.35910314813854]
Amazon Multi-locale Shopping Sessionデータセット、すなわちAmazon-M2を提示します。
6つの異なるローカライズされた数百万のユーザセッションからなる、最初の多言語データセットである。
注目すべきは、データセットがパーソナライズとユーザの好みの理解を高めるのに役立つことだ。
論文 参考訳（メタデータ） (2023-07-19T00:08:49Z) - Mem-Rec: Memory Efficient Recommendation System using Alternative
Representation [6.542635536704625]
MEM-RECは、テーブルを埋め込むための新しい代替表現手法である。
MEM-RECはレコメンデーション品質を維持するだけでなく、埋め込み遅延を改善することができる。
論文 参考訳（メタデータ） (2023-05-12T02:36:07Z) - Reusable Self-Attention-based Recommender System for Fashion [1.978884131103313]
再利用可能な注意に基づくファッション推薦アルゴリズム(AFRA)を提案する。
時間的および文脈的な情報を活用して、短期および長期の顧客の嗜好に対処します。
1)個人別フィード、2)スタイル別レコメンデーション、3)類似アイテムレコメンデーション、4)最近の顧客行動にインスパイアされたインセッションレコメンデーション。
論文 参考訳（メタデータ） (2022-11-29T16:47:20Z) - M2TRec: Metadata-aware Multi-task Transformer for Large-scale and
Cold-start free Session-based Recommendations [9.327321259021236]
セッションベース推薦システム(SBRS)は従来の手法よりも優れた性能を示した。
セッションベースレコメンデーションのためのメタデータ対応マルチタスクトランスフォーマモデルであるM2TRecを提案する。
論文 参考訳（メタデータ） (2022-09-23T19:34:29Z) - C2-CRS: Coarse-to-Fine Contrastive Learning for Conversational
Recommender System [47.18484863699936]
本稿では,会話レコメンデータシステムのためのデータセマンティックフュージョンを改善するための,新しいコントラスト学習フレームワークを提案する。
提案手法では,まず異なるデータ信号から多粒度意味単位を抽出し,次に,関連した多形意味単位を粗い方法で整列させる。
2つの公開CRSデータセットを用いた実験により,提案手法の有効性が示唆された。
論文 参考訳（メタデータ） (2022-01-04T11:39:41Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z)
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。