論文の概要: DBpedia-Enriched Company Representation for B2B Lead Recommendation
- arxiv url: http://arxiv.org/abs/2606.28355v1
- Date: Mon, 08 Jun 2026 12:41:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-05 17:01:29.594277
- Title: DBpedia-Enriched Company Representation for B2B Lead Recommendation
- Title（参考訳）: DBpedia-Enriched Company Representation for B2B Lead Recommendation
- Abstract要約: 本研究は,DBpediaのセマンティック知識を組み込んだ企業埋め込みにより,下流での相互作用予測性能が向上するかどうかを考察する。
プラットフォームからの実際のユーザフィードバックデータを用いて、下流のインタラクション予測タスクに学習した埋め込みを評価する。
結果,DBpediaの豊かさは下流のパフォーマンスを向上し,ランキングや識別の指標で評価された。
- 参考スコア（独自算出の注目度）: 0.030433655595158853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Selecting which companies to approach is a central challenge in business-to-business (B2B) sales, where decisions are often based on manual research and fragmented information sources. Modern B2B sales platforms centralize company records and use learned company embeddings to support tasks such as recommending and prioritizing potential clients. In this study, we investigate whether enriching these company embeddings with Semantic knowledge from DBpedia improves downstream interaction-prediction performance, within a pipeline that integrates structured company attributes and text embeddings deployed on a real B2B platform. We evaluate the learned embeddings on a downstream interaction prediction task using real user feedback data from the platform. Results show that DBpedia enrichment improves downstream performance, with gains observed on ranking and discrimination metrics.
- Abstract（参考訳）: ビジネス・ツー・ビジネス(B2B)販売において、どの企業にアプローチするかを選択することが中心的な課題であり、意思決定は手動の調査や断片化された情報ソースに基づいて行われることが多い。
現代のB2Bセールスプラットフォームは、企業記録を集中化し、学習した企業の埋め込みを使用して、潜在的なクライアントの推薦や優先順位付けといったタスクをサポートする。
本研究では,DBpediaからのセマンティックな知識を組み込んだ企業埋め込みが,実際のB2Bプラットフォームに展開する構造化企業属性とテキスト埋め込みを統合したパイプライン内で,下流でのインタラクション予測性能を向上させるかを検討する。
プラットフォームからの実際のユーザフィードバックデータを用いて、下流のインタラクション予測タスクに学習した埋め込みを評価する。
結果,DBpediaの豊かさは下流のパフォーマンスを向上し,ランキングや識別の指標で評価された。
関連論文リスト
- RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation [63.74915464611075]
RecThinkerはツール拡張推論を推奨するエージェントフレームワークである。
我々はRecThinker専用のツール群を開発し、モデルがユーザアイテム側および協調的な情報を取得することを可能にする。
論文 参考訳（メタデータ） (2026-03-10T16:07:17Z) - Bi-Level Decision-Focused Causal Learning for Large-Scale Marketing Optimization: Bridging Observational and Experimental Data [31.002605911430052]
本稿では,Bi-DFCL(Bi-level Decision-Focused Causal Learning)を提案する。
実験データを用いてOR判定品質の偏りのない推定器を開発する。
Bi-DFCLは世界最大のオンラインフードデリバリープラットフォームであるMeituanで展開されている。
論文 参考訳（メタデータ） (2025-10-22T12:16:53Z) - Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。
目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。
DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
論文 参考訳（メタデータ） (2024-08-14T11:29:47Z) - InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation [79.09622602860703]
3つの重要な特徴を持つベンチマークデータセットであるInsightBenchを紹介します。
財務やインシデント管理といったさまざまなビジネスユースケースを表す100のデータセットで構成されている。
単一のクエリに回答することに焦点を当てた既存のベンチマークとは異なり、InsightBenchは、エンドツーエンドのデータ分析を実行する能力に基づいてエージェントを評価する。
論文 参考訳（メタデータ） (2024-07-08T22:06:09Z) - Overcoming Knowledge Barriers: Online Imitation Learning from Visual Observation with Pretrained World Models [8.77288940968713]
本研究は,EKB(Embodiment Knowledge Barrier)とDKB(Demonstration Knowledge Barrier)の2つの主要な障害を明らかにする。
EKBは、新しい観測を扱うための事前訓練されたモデルの制限により出現し、不正確な行動推論を引き起こす。
DKBは、限られたデモンストレーションデータセットに依存することから生まれたもので、さまざまなシナリオにわたるモデルの適応性を制限する。
それぞれの障壁を克服し、証拠の最大化(AIME)による行動推論に適用するための別の解決策を提案する。
論文 参考訳（メタデータ） (2024-04-29T17:33:52Z) - Collaborative business intelligence virtual assistant [1.9953434933575993]
本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。
CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
論文 参考訳（メタデータ） (2023-12-20T05:34:12Z) - Navigating the acceptance of implementing business intelligence in
organizations: A system dynamics approach [1.6317061277457001]
ビジネスインテリジェンス(BI)は、データ駆動による洞察を活用して意思決定を改善する。
本研究では,BIプロジェクトの実施に影響を及ぼす要因について検討する。
従来の実装とセルフサービスの実装のアプローチを比較します。
論文 参考訳（メタデータ） (2023-08-20T12:14:20Z) - OPTION: OPTImization Algorithm Benchmarking ONtology [4.060078409841919]
OPTION(OPTImization algorithm benchmarking ONtology)は、ベンチマークプラットフォーム用のセマンティックにリッチでマシン可読なデータモデルである。
私たちのオントロジーは、ベンチマークプロセスに関わるコアエンティティのセマンティックアノテーションに必要な語彙を提供します。
また、自動データ統合、相互運用性の改善、強力なクエリ機能を提供する。
論文 参考訳（メタデータ） (2022-11-21T10:34:43Z) - MINER: Improving Out-of-Vocabulary Named Entity Recognition from an
Information Theoretic Perspective [57.19660234992812]
NERモデルは標準のNERベンチマークで有望な性能を達成した。
近年の研究では、従来のアプローチはエンティティ参照情報に過度に依存し、OoV(out-of-vocabulary)エンティティ認識の性能が劣っていることが示されている。
我々は、情報理論の観点からこの問題を改善するための新しいNER学習フレームワークであるMINERを提案する。
論文 参考訳（メタデータ） (2022-04-09T05:18:20Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳（メタデータ） (2022-03-02T19:57:32Z) - BI-REC: Guided Data Analysis for Conversational Business Intelligence [11.501574075824132]
BI-RECは、ユーザーがデータ分析タスクを遂行するのに役立つBIアプリケーションのための対話型レコメンデーションシステムです。
我々は、OLAP立方体定義から抽出したリッチな意味情報を付加したBIパターンを用いて、データ解析の空間を定義する。
BI-RECはBIパターン推奨で83%の精度を達成し、予測の遅延で最大2倍のスピードアップを実現します。
論文 参考訳（メタデータ） (2021-05-02T13:19:38Z) - 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)
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。