論文の概要: E-commerce Webpage Recommendation Scheme Base on Semantic Mining and Neural Networks

• arxiv url: http://arxiv.org/abs/2409.07033v1
• Date: Wed, 11 Sep 2024 06:03:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-12 15:36:35.521630
• Title: E-commerce Webpage Recommendation Scheme Base on Semantic Mining and Neural Networks
• Title（参考訳）: セマンティックマイニングとニューラルネットワークに基づくeコマースWebページ推薦スキーム
• Authors: Wenchao Zhao, Xiaoyi Liu, Ruilin Xu, Lingxi Xiao, Muqing Li,
• Abstract要約: 本稿では,セマンティックWebマイニングとBPニューラルネットワークを組み合わせたeコマースWebページレコメンデーションソリューションを提案する。 このプロジェクトは、実験のサンプルとして書籍販売のWebページを使用している。
• 参考スコア（独自算出の注目度）: 3.130742280316415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In e-commerce websites, web mining web page recommendation technology has been widely used. However, recommendation solutions often cannot meet the actual application needs of online shopping users. To address this problem, this paper proposes an e-commerce web page recommendation solution that combines semantic web mining and BP neural networks. First, the web logs of user searches are processed, and 5 features are extracted: content priority, time consumption priority, online shopping users' explicit/implicit feedback on the website, recommendation semantics and input deviation amount. Then, these features are used as input features of the BP neural network to classify and identify the priority of the final output web page. Finally, the web pages are sorted according to priority and recommended to users. This project uses book sales webpages as samples for experiments. The results show that this solution can quickly and accurately identify the webpages required by users.
• Abstract（参考訳）: eコマースウェブサイトでは、WebマイニングWebページレコメンデーション技術が広く使われている。 しかし、レコメンデーションソリューションは、オンラインショッピングユーザーの実際のアプリケーションニーズを満たすことができないことが多い。 そこで本研究では,セマンティックWebマイニングとBPニューラルネットワークを組み合わせたeコマースWebページレコメンデーションソリューションを提案する。 まず、ユーザ検索のWebログを処理し、コンテンツ優先、時間消費優先、オンラインショッピングユーザのWebサイトへの明示的/単純フィードバック、レコメンデーションセマンティクス、入力逸脱量という5つの特徴を抽出する。 次に、これらの特徴をBPニューラルネットワークの入力特徴として使用して、最終的な出力Webページの優先度を分類し、識別する。 最後に、Webページは優先順位に応じてソートされ、ユーザに推奨される。 本プロジェクトは,本販売Webページを実験用サンプルとして利用する。 その結果,ユーザが必要とするWebページを迅速かつ正確に識別できることがわかった。

関連論文リスト

• Smart E-commerce Recommendations with Semantic AI [0.0]
  本稿では,BPニューラルネットワークとセマンティックWebマイニングを組み合わせた新しいソリューションを提案する。 ユーザの検索ログを処理して,コンテンツ優先,時間浪費,ユーザフィードバック,レコメンデーションセマンティクス,入力偏差の5つの重要な特徴を抽出する。 これらの機能は、Webページの分類と優先順位付けのためにBPニューラルネットワークに入力される。優先順位付けされたページは、ユーザに推奨される。
  論文  参考訳（メタデータ） (2024-09-02T10:19:31Z)
• PLIERS: a Popularity-Based Recommender System for Content Dissemination in Online Social Networks [5.505634045241288]
  PLIERSと呼ばれる新しいタグベースのレコメンデーションシステムを提案する。 これは、ユーザーが主にアイテムやタグに興味を持ち、既に所有しているものと同様の人気があるという仮定に依存している。 PLIERSは、アルゴリズムと推奨項目のパーソナライズレベルとの良好なトレードオフを達成することを目的としている。
  論文  参考訳（メタデータ） (2023-07-06T09:04:58Z)
• Recommender Systems for Online and Mobile Social Networks: A survey [7.310043452300736]
  本稿では,オンラインおよびモバイルソーシャルネットワーク向けに設計・実装されたRecommenderシステムについて調査する。 社会的文脈情報の利用がいかにレコメンデーションタスクを改善するかを強調した。 本稿では,これらのシステムの利点と欠点を,アルゴリズム,対象領域,評価指標,性能評価の観点から説明する。
  論文  参考訳（メタデータ） (2023-06-28T09:44:39Z)
• Dual Intent Enhanced Graph Neural Network for Session-based New Item Recommendation [74.81561396321712]
  セッションベースレコメンデーションのためのデュアルインテント拡張グラフニューラルネットワークを提案する。 我々は,注意機構と履歴データの分布からユーザ意図を学習する。 対応する項目のレコメンデーションスコアを含む新項目確率を出力することにより、より高いスコアを持つ新項目をユーザに推奨する。
  論文  参考訳（メタデータ） (2023-05-10T02:42:12Z)
• Layout-aware Webpage Quality Assessment [31.537331183733837]
  本稿では,現在サーチエンジンに実装されているレイアウト対応ウェブページ品質評価モデルを提案する。 我々は、Webページ、すなわちドキュメントオブジェクトモデル(DOM)ツリーを記述するメタデータをモデルの入力として使用します。 複雑なDOMツリーデータからWebページの品質を評価するために,グラフニューラルネットワーク(GNN)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-01-28T10:27:53Z)
• Intelligent Request Strategy Design in Recommender System [76.90734681369156]
  我々は、Intelligent Request Strategy Design(IRSD)というエッジインテリジェンスの新しい学習タスクを構想する。 IRSDは、ユーザのリアルタイムな意図に基づいて、リクエスト挿入の適切なタイミングを決定することにより、ウォーターフォールRSの有効性を向上させることを目的としている。 我々は、アップリフトベースのOn-edge Smart Request Framework(AdaRequest)という、適応的な要求挿入戦略の新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-06-23T16:51:38Z)
• The Klarna Product Page Dataset: Web Element Nomination with Graph Neural Networks and Large Language Models [51.39011092347136]
  私たちはKlarna Product Pageデータセットを紹介します。これは、豊かさと多様性で既存のデータセットを超えるWebページの集合です。 我々は、Web要素指名タスクにおいて、GNN(Graph Neural Networks)の範囲を実証的にベンチマークする。 第2に、各ページから少数の関連要素を識別する訓練改善手順を導入する。 第3に,推薦精度をさらに高める新たなトレーニング手法であるChallenge Nomination Training procedureを導入する。
  論文  参考訳（メタデータ） (2021-11-03T12:13:52Z)
• CoVA: Context-aware Visual Attention for Webpage Information Extraction [65.11609398029783]
  WIE をコンテキスト対応 Web ページオブジェクト検出タスクとして再構築することを提案する。 我々は、外観特徴とDOMツリーからの構文構造を組み合わせた、コンテキスト認識型視覚意図ベース(CoVA)検出パイプラインを開発した。 提案手法は,従来の最先端手法を改良した新しい挑戦的ベースラインであることを示す。
  論文  参考訳（メタデータ） (2021-10-24T00:21:46Z)
• On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
  自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。 現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。 問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
  論文  参考訳（メタデータ） (2020-07-09T19:22:00Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

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。