論文の概要: Real-time and personalized product recommendations for large e-commerce platforms
- arxiv url: http://arxiv.org/abs/2506.21368v1
- Date: Thu, 26 Jun 2025 15:16:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:10.159746
- Title: Real-time and personalized product recommendations for large e-commerce platforms
- Title(参考訳): 大規模eコマースプラットフォームのためのリアルタイムおよびパーソナライズされた製品レコメンデーション
- Authors: Matteo Tolloso, Davide Bacciu, Shahab Mokarizadeh, Marco Varesi,
- Abstract要約: 本稿では,大手電子商取引プラットフォームを対象とした,リアルタイムかつパーソナライズされた製品レコメンデーションを提供する方法論について述べる。
私たちのアプローチは、応答時間を最小限に抑えて正確でスケーラブルなレコメンデーションを実現し、ユーザの満足度を確保することを目的としています。
- 参考スコア(独自算出の注目度): 12.475382123139024
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a methodology to provide real-time and personalized product recommendations for large e-commerce platforms, specifically focusing on fashion retail. Our approach aims to achieve accurate and scalable recommendations with minimal response times, ensuring user satisfaction, leveraging Graph Neural Networks and parsimonious learning methodologies. Extensive experimentation with datasets from one of the largest e-commerce platforms demonstrates the effectiveness of our approach in forecasting purchase sequences and handling multi-interaction scenarios, achieving efficient personalized recommendations under real-world constraints.
- Abstract(参考訳): 本稿では,大手電子商取引プラットフォームを対象とした,リアルタイムかつパーソナライズされた製品レコメンデーションを提供する方法論について述べる。
提案手法は,最小応答時間で正確かつスケーラブルなレコメンデーションを実現し,ユーザ満足度を確保し,グラフニューラルネットワークと擬似学習手法を活用することを目的としている。
大手Eコマースプラットフォームのデータセットによる大規模な実験は、購入シーケンスの予測とマルチインタラクションシナリオの処理における我々のアプローチの有効性を示し、現実の制約の下で効率的なパーソナライズされたレコメンデーションを実現する。
関連論文リスト
- Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳(メタデータ) (2025-02-05T17:14:45Z) - 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) - 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) - Personalized Embedding-based e-Commerce Recommendations at eBay [3.1236273633321416]
電子商取引市場において,同じベクトル空間にアイテムやユーザを埋め込むことで,パーソナライズされたアイテムレコメンデーションを生成するアプローチを提案する。
データアブレーションは、生産システムの堅牢性を改善するために、オフラインモデルのトレーニングプロセスに組み込まれます。
論文 参考訳(メタデータ) (2021-02-11T17:58:51Z) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳(メタデータ) (2021-01-28T05:52:18Z) - Multi-Purchase Behavior: Modeling, Estimation and Optimization [0.9337154228221861]
本稿では,Bundle-MVL-Kファミリーと呼ばれる,同種の選択モデルのマルチ購入ファミリを提案する。
このモデルに対して最適化されたレコメンデーションを効率的に計算するバイナリ検索に基づく反復戦略を開発する。
論文 参考訳(メタデータ) (2020-06-14T23:47:14Z)
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。