論文の概要: RouteCost: A Production-Inspired Multi-Stage Framework for Pre-Order Shipping Cost Estimation in E-Commerce

• arxiv url: http://arxiv.org/abs/2607.16230v1
• Date: Wed, 24 Jun 2026 03:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.046381
• Title: RouteCost: A Production-Inspired Multi-Stage Framework for Pre-Order Shipping Cost Estimation in E-Commerce
• Title（参考訳）: RouteCost:eコマースにおけるプレオーダー出荷コスト推定のためのプロダクションインスパイアされたマルチステージフレームワーク
• Abstract要約: RouteCostは製品にインスパイアされたフレームワークで、問題をタイムアウェアの需要予測、料金カードによるインフォームドベースラインの価格設定、ステージ2の残留補正、プロキシベースのボックス統合推論に分解する。 ルートレベルのコスト見積は、製品レベルの出荷コスト予測を生成するために、ルート重み付き予測定式化を通じて集計される。 250,000以上の注文、260の製品、18ヶ月の注文履歴を持つこのフレームワークは、ルートレベルの解釈性を維持しながら、予測品質と集約キャリブレーションを改善している。
• 参考スコア（独自算出の注目度）: 4.230025065044209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate pre-order shipping cost estimation is important in e-commerce because it affects price presentation, margin planning, and conversion. In practice, shipping cost is shaped not only by distance but also by destination demand mix, billable weight, dimensional pricing, surcharge triggers, and latent operational effects such as shipment consolidation. Static lookup methods therefore miss important sources of variation, while monolithic regressors may exploit strong but non-causal correlations. We propose RouteCost, a production-inspired multi-stage framework that decomposes the problem into time-aware demand forecasting, fee-card-informed baseline pricing, Stage 2 residual correction, and proxy-based box-consolidation inference. Route-level cost estimates are aggregated through a route-weighted expectation formulation to produce product-level shipping cost predictions. Across over 250,000 orders, 260 products, and 18 months of order history, the framework improves predictive quality and aggregate calibration while preserving route-level interpretability.
• Abstract（参考訳）: 価格提示、マージン計画、転換に影響を及ぼすため、Eコマースにおいて正確なプレオーダーの出荷コスト推定が重要である。 実際には、出荷コストは、距離だけでなく、目的地需要の混合、請求可能な重量、寸法の価格、チャージトリガー、出荷統合のような潜伏した運用効果によっても形成される。 したがって、静的なルックアップ法は重要な変化源を欠いているが、モノリシックな回帰器は強いが非因果関係を利用する可能性がある。 本稿では,納期別ベースライン価格,ステージ2残量補正,プロキシベースのボックス統合推論に問題を分解する,生産にインスパイアされたマルチステージフレームワークであるRouteCostを提案する。 ルートレベルのコスト見積は、製品レベルの出荷コスト予測を生成するために、ルート重み付き予測定式化を通じて集計される。 250,000以上の注文、260の製品、18ヶ月の注文履歴を持つこのフレームワークは、ルートレベルの解釈性を維持しながら、予測品質と集約キャリブレーションを改善している。

関連論文リスト

• Pandora's AI Model Routing Box: Efficient Allocation with Costly Value Estimation [64.51088225051959]
  不均一なAIシステムは、最低コストで最も効果的に答えられる専門家にクエリをルーティングすることで、品質と効率を向上させることができる。 我々はこのトレードオフをPandoraのBoxの例として定式化した。 ガウス信号モデルの下では、得られたポリシーは、各専門家とインプットに対して、その価値見積の精算がそのコストに値するかどうかを決定する、クローズドフォームな情報表現を持つ。
  論文  参考訳（メタデータ） (2026-08-20T17:54:37Z)
• Task-to-Model Optimization for Enterprise LLM Coding Assistants: A Data-Driven Framework for Cost-Optimal Routing [5.00725149774706]
  エンタープライズAIコーディングアシスタントは、相当な推論費用を発生させ、トークンコストの最小化は、再試行、エスカレーション、開発者待ち時間を含むと、エンドツーエンドコストの削減に失敗することが多い。 実運用におけるモデル選択を最適化するためのデータ駆動手法であるタスク・ツー・モデル最適化(T2MO)を提案する。 私たちは、各開発者セッションを、発見、分類、難易度を評価、プロダクション風のハーネスでベンチマークし、品質とレイテンシの制約の中でそれを完了できる最も安価なモデルにルーティングできるタスクとして扱います。
  論文  参考訳（メタデータ） (2026-08-09T06:57:53Z)
• ScaleSense: Cost-Intelligent Scaling Framework via Learned Resource Estimation in Alibaba AnalyticDB [59.708423132520515]
  クラウドネイティブなサーバレスデータウェアハウスは、計算からストレージを分離することで、きめ細かい弾力性を達成する。 しかし、高度にヘテロジニアスなアドホッククエリに対する最適なリソース割り当てを決定することは、深刻な産業上の課題である。 プロアクティブでクエリレベルのリソーススケーリングフレームワークであるScaleSenseを提案する。
  論文  参考訳（メタデータ） (2026-08-08T06:10:35Z)
• Optimal and Order-optimal Gated Priority-based Greedy Policies for Two-layer Multi-item Order Fulfillment [12.192024626404482]
  複数項目の顧客注文が順次届き、将来の需要が不明な場合に、Eコマース企業がリアルタイムのフルフィルメント決定を行う方法を検討する。 複数のFDC、地域分布センター(RDC)、複数単位のマルチテムオーダー、アイテム特化および時間変動変動コストを備えた対戦型オンラインモデルを定式化する。 我々の理論的目的は、シンプルで、解釈可能で、実装可能なフルフィルメントルールが最適な透かしプランナーとほぼ同等に実行可能であることを特徴付けることである。
  論文  参考訳（メタデータ） (2026-05-25T14:16:45Z)
• One Global Model, Many Behaviors: Stockout-Aware Feature Engineering and Dynamic Scaling for Multi-Horizon Retail Demand Forecasting with a Cost-Aware Ordering Policy (VN2 Winner Report) [0.0]
  本報告では,VN2 Inventory Planning Challengeの優勝ソリューションについて述べる。 単一のグローバルなマルチホライゾン予測モデルとコスト対応注文ポリシを組み合わせる。 VN2設定のために開発されたが、提案手法は現実世界のアプリケーションに拡張できる。
  論文  参考訳（メタデータ） (2026-01-26T19:36:52Z)
• Cost-aware Stopping for Bayesian Optimization [46.95172329282389]
  本稿では,様々な評価コストに適応し,チューニングが不要なベイズ最適化のためのコスト対応停止則を提案する。 我々は,最先端の取得関数と組み合わせた場合,停止規則によって得られる期待累積評価コストを拘束する理論的な保証を証明した。
  論文  参考訳（メタデータ） (2025-07-16T17:54:14Z)
• TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
  本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。 我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。 以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
  論文  参考訳（メタデータ） (2025-07-14T14:51:24Z)
• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Unveiling the Power of Self-Attention for Shipping Cost Prediction: The Rate Card Transformer [2.5398014196797614]
  0日目の出荷コストを見積もる現在のソリューションは、広範囲な手作業による作業を必要とするツリーベースのモデルに依存している。 本研究では,パッケージの出荷情報すべてを自己注意でエンコードするRate Card Transformer (RCT) という新しいアーキテクチャを提案する。 以上の結果から,RCTによるコスト予測はGBDTモデルに比べて28.82%誤差が小さいことがわかった。
  論文  参考訳（メタデータ） (2023-11-20T11:48:50Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Think out of the package: Recommending package types for e-commerce shipments [2.741530713365541]
  複数の製品属性は、eコマース企業が製品を出荷するために使用するパッケージタイプを決定する。 準最適パッケージタイプは、出荷が損傷し、巨額の損害を被った。 本稿では,製品毎の出荷コストと損害コストをトレードオフする多段階的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-05T05:27:51Z)

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。