Fugu-MT 論文翻訳(概要): Supplier Recommendation in Online Procurement

論文の概要: Supplier Recommendation in Online Procurement

arxiv url: http://arxiv.org/abs/2403.01301v1
Date: Sat, 2 Mar 2024 19:55:38 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 14:17:18.858377
Title: Supplier Recommendation in Online Procurement
Title（参考訳）: オンライン調達におけるサプライヤー勧告
Authors: Victor Coscrato and Derek Bridge
Abstract要約: 道路貨物オンライン調達におけるサプライヤー発見を支援するためのレコメンデーションシステムを提案する。当社のシステムは、顧客ニーズや好みを考慮して、パーソナライズされたサプライヤレコメンデーションを提供することができる。
参考スコア（独自算出の注目度）: 0.32634122554913997
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Supply chain optimization is key to a healthy and profitable business. Many companies use online procurement systems to agree contracts with suppliers. It is vital that the most competitive suppliers are invited to bid for such contracts. In this work, we propose a recommender system to assist with supplier discovery in road freight online procurement. Our system is able to provide personalized supplier recommendations, taking into account customer needs and preferences. This is a novel application of recommender systems, calling for design choices that fit the unique requirements of online procurement. Our preliminary results, using real-world data, are promising.
Abstract（参考訳）: サプライチェーン最適化は健全で利益の出るビジネスの鍵だ。多くの企業は、サプライヤとの契約にオンライン調達システムを使用している。もっとも競争力のあるサプライヤーがこのような契約に入札することが不可欠である。本研究では,道路貨物オンライン調達におけるサプライヤーの発見を支援するレコメンデーションシステムを提案する。当社のシステムは、顧客ニーズや好みを考慮して、パーソナライズされたサプライヤレコメンデーションを提供することができる。これはレコメンダシステムの新しい応用であり、オンライン調達のユニークな要件に合致した設計選択を求める。実世界のデータを用いた予備的な結果が期待できる。

関連論文リスト

Intelligent Classification and Personalized Recommendation of E-commerce Products Based on Machine Learning [2.152073242131379]
本稿では、eコマース、コンテンツ情報、メディアドメインにおけるパーソナライズされたレコメンデーションシステムの重要性と応用について考察する。データプライバシ、アルゴリズムバイアス、スケーラビリティ、コールドスタート問題など、Eコマースにおいてパーソナライズされたレコメンデーションシステムに直面する課題を概説する。本稿では、BERTモデルと近隣のアルゴリズムを利用したパーソナライズされたレコメンデーションシステムの概要を述べる。
論文参考訳（メタデータ） (2024-03-28T12:02:45Z)
Ten Challenges in Industrial Recommender Systems [52.16127544350884]
Huawei NoahのArk Labは、2013年以来多くの製品がレコメンデーションシステムや検索エンジンを構築してきた。ビッグデータとさまざまなシナリオによって、高度なレコメンデーション技術を開発する大きな機会が得られます。 RecSysコミュニティがインスピレーションを得て、より良いレコメンデーションシステムを作ることができることを願っています。
論文参考訳（メタデータ） (2023-10-07T13:45:13Z)
Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
論文参考訳（メタデータ） (2022-11-23T22:20:12Z)
ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文参考訳（メタデータ） (2022-05-24T02:28:58Z)
The Use of Bandit Algorithms in Intelligent Interactive Recommender Systems [4.125710949031962]
マルチアームバンディットアルゴリズムは様々なオンラインシステムに広く応用されている。現代のレコメンデーターシステムは、現代のレコメンデーターシステムによって導入された新しい変更に適応することができる。
論文参考訳（メタデータ） (2021-07-01T00:43:05Z)
Towards Content Provider Aware Recommender Systems: A Simulation Study on the Interplay between User and Provider Utilities [34.288256311920904]
我々は,ユーザユーティリティの目的と,推奨コンテンツに関連するプロバイダの反事実的ユーティリティリフトを最適化するために,強化推奨エージェントecoagent(ecoagent)を構築した。私たちは、我々のアプローチの利点と限界の両方に光を当てるシミュレーション実験をいくつか提供します。
論文参考訳（メタデータ） (2021-05-06T00:02:58Z)
Mathematical simulation of package delivery optimization using a combination of carriers [0.0]
著者らは、世界中のサプライヤーやローカルキャリアが配送する経路を組み合わせて、長距離配送のためのパッケージ配送のコスト最適化の問題を分析して提案した。実験は、幅広いキャリアをデリバリーサービスに使用している米国企業のデータソースに基づいている。
論文参考訳（メタデータ） (2020-11-02T18:44:04Z)
Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
実験による推薦システムに対する事前学習の利点を示す。事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
論文参考訳（メタデータ） (2020-09-19T13:06:27Z)
A General Framework for Fairness in Multistakeholder Recommendations [1.503974529275767]
本稿では,個人購入者対象と並行して販売者対象をリアルタイムにパーソナライズしたレコメンデーションシステムに組み込む汎用的な定式化を提案する。我々は、高度にスケーラブルなサブモジュール最適化アルゴリズムを活用し、提案可能な理論的品質境界を持つバイヤーにレコメンデーションを提供する。
論文参考訳（メタデータ） (2020-09-04T23:54:06Z)
Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文参考訳（メタデータ） (2020-04-08T02:11:55Z)
Optimal Pricing of Internet of Things: A Machine Learning Approach [105.4312167370975]
IoT(Internet of Things)は、センサーに埋め込まれたデバイスから大量のデータを生成する。これまでの研究では、機械学習ベースのIoTサービスの最適な価格設定とバンドルの問題に対処していない。当社は、データベンダがサービスプロバイダにデータを販売しているIoT市場モデルと、IoTサービスを顧客に提供しているサービスプロバイダで構成されています。
論文参考訳（メタデータ） (2020-02-14T09:17:40Z)

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。