論文の概要: Value-Aware Product Recommendation by Customer Segmentation using a suitable High-Dimensional Similarity Measure
- arxiv url: http://arxiv.org/abs/2604.26983v1
- Date: Tue, 28 Apr 2026 18:16:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.695338
- Title: Value-Aware Product Recommendation by Customer Segmentation using a suitable High-Dimensional Similarity Measure
- Title（参考訳）: 適切な高次元類似度尺度を用いた顧客セグメンテーションによる価値対応製品レコメンデーション
- Authors: María Florencia Acosta, Rodrigo García Arancibia, Pamela Llop, Mariel Lovatto, Lucas Mansilla,
- Abstract要約: 提案フレームワークは,ユーザ-イットマトリクスにおける収益貢献を符号化し,顧客間の類似性を直接計算する。
本稿では,収益分配,製品人気,収益予測に基づく3つのレコメンデーション戦略を提案する。
提案手法の有効性は,UCI Online Retail データセットを用いてシミュレーション実験と実世界のアプリケーションを用いて検証した。
- 参考スコア（独自算出の注目度）: 1.2222488876888666
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper presents a novel value-aware approach to product recommendation that simultaneously addresses the high dimensionality and sparsity of user-item data while explicitly incorporating the contribution of each product and user to overall sales revenue. The proposed framework encodes revenue contributions in the user-item matrix and computes customer similarity directly on this basis using suitable distance measures. This enables the segmentation of users according to the revenue-based similarity of their purchase baskets and supports recommendations aligned with profitability objectives. We compare conventional similarity metrics with a novel alternative tailored to high-dimensional contexts and propose three recommendation strategies based on revenue share, product popularity, and expected profit generation. The effectiveness of the proposed method is validated through simulation experiments and a real-world application using the UCI Online Retail dataset.
- Abstract（参考訳）: 本稿では,各製品および利用者の総売上への貢献を明確化しつつ,ユーザイテムデータの高次元性と空間性に同時に対処する,製品レコメンデーションに対する新たな価値意識アプローチを提案する。
提案フレームワークは,ユーザイットマトリクスにおける収益貢献を符号化し,適切な距離測度を用いて顧客類似性を直接計算する。
これにより、購入バスケットの収益ベースの類似性に応じてユーザのセグメンテーションが可能になり、収益性目標に沿ったレコメンデーションをサポートする。
本稿では,従来の類似度指標と高次元コンテキストに適した新しい選択肢を比較し,収益分配,製品人気,収益予測に基づく3つの推奨戦略を提案する。
提案手法の有効性は,UCI Online Retail データセットを用いてシミュレーション実験と実世界のアプリケーションを用いて検証した。
関連論文リスト
- Coherence-guided Preference Disentanglement for Cross-domain Recommendations [71.4198675855171]
本研究では,共有項目属性を明示的に抽出し,共有ユーザの好みを学習するためのコヒーレンス誘導型参照不整合(CoPD)手法を提案する。
実世界のデータセットで行った実験は、既存の競争ベースラインよりも提案したCoPDの優れた性能を示し、ドメイン間の推薦性能を向上させる効果を強調した。
論文 参考訳（メタデータ） (2024-10-27T20:21:14Z) - Centrality-aware Product Retrieval and Ranking [14.710718676076327]
本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。
eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。
本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
論文 参考訳（メタデータ） (2024-10-21T11:59:14Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - A Recommendation Approach based on Similarity-Popularity Models of
Complex Networks [1.385805101975528]
そこで本研究では,類似性傾向モデルにより生成された複雑なネットワークをベースとした新しい推薦手法を提案する。
まず、観測されたレーティングからユーザとアイテムをノードとして持つネットワークモデルを構築し、そのモデルを用いて未知のレーティングを予測する。
提案手法は, 各種ドメインの21データセットに対して, ベースラインと最先端のレコメンデーション手法に対して, 提案手法を実装, 実験的に比較した。
論文 参考訳（メタデータ） (2022-09-29T11:00:06Z) - 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) - Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。
商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。
本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文 参考訳（メタデータ） (2022-02-26T02:07:25Z) - Enhancing User' s Income Estimation with Super-App Alternative Data [59.60094442546867]
これは、これらの代替データソースのパフォーマンスと、業界に受け入れられた局の収入推定器のパフォーマンスを比較します。
本論文は、金融機関がリスクプロファイルの構築に代替データを導入しようとする動機を示すものである。
論文 参考訳（メタデータ） (2021-04-12T21:34:44Z) - 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) - GAN-based Recommendation with Positive-Unlabeled Sampling [38.13310245787665]
ポジティブなラベルなしサンプリング戦略を用いて,Generative Adversaunlabeled Networkベースのレコメンデーションフレームワークを提案する。
8つのランキングに基づく評価指標を用いた3つの公開データセット上で,提案フレームワークの有効性と効率を示す。
論文 参考訳（メタデータ） (2020-12-12T20:08:51Z) - Implicit Feedback Deep Collaborative Filtering Product Recommendation
System [1.6651146574124562]
潜在変数法による協調フィルタリング (CF) 手法について検討し, 粗末な顧客の購入行動の隠れた重要なバリエーションを抽出した。
潜在要因は、顧客の購入パターンを一般化し、製品レコメンデーションを提供するために使用される。
本論文では、収益の向上、新規顧客獲得、競合相手に対する優位性獲得のために、企業が製品レコメンデーションに利用できる技術を提供する。
論文 参考訳（メタデータ） (2020-09-08T19:30:14Z)
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。