論文の概要: Timing-Aware Repurchase Prediction for Web-Scale E-Commerce: Survival Models for Multi-Surface Grocery Recommendation
- arxiv url: http://arxiv.org/abs/2608.28393v2
- Date: Mon, 31 Aug 2026 16:50:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 15:47:04.43153
- Title: Timing-Aware Repurchase Prediction for Web-Scale E-Commerce: Survival Models for Multi-Surface Grocery Recommendation
- Title（参考訳）: Web規模のEコマースのためのタイミング対応再購入予測:多面グロサリー勧告のための生存モデル
- Abstract要約: 電子商取引における買い戻し推奨者は、一般的に「この顧客がこの商品をW日以内に購入するのか」という二分質問として扱われる。
私たちは、このスタックを、直接購入する時間を予測するサバイバルモデルに置き換え、主要な食料品のEコマースプラットフォームから何百万もの顧客に対して評価します。
- 参考スコア（独自算出の注目度）: 9.34367554537206
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Repurchase recommenders in e-commerce are commonly framed as a binary question asking "will this customer buy this item within W days", a formulation that requires a separately trained model for every horizon of interest. We replace this stack with survival models that predict time-to-repurchase directly, and evaluate them on millions of customers from a major grocery e-commerce platform across more than thirty ablation configurations. Our study makes three contributions. First, an empirical hazard analysis reveals a slightly decreasing marginal hazard (k ~ 0.9), differing from the common intuition that grocery items become more likely to be repurchased the longer since the last purchase (increasing hazard, k > 1). Log-Normal achieves the best marginal fit (R^2 = 0.998) and the best ranking, despite Weibull providing the best conditional residual fit, revealing an apparent discrepancy we analyze in detail. Second, a single Accelerated Failure Time (AFT) model replaces three per-horizon binary classifiers, matching or exceeding each at its own horizon while using roughly 3x fewer total trees. Feature importance reshuffles under the survival objective: channel-cadence and recency signals rise while aggregate frequency counts fall. Third, a 4-parameter parametric calibration maps raw survival CDFs to per-horizon probabilities with zero cross-horizon monotonicity violations. Calibration quality varies by an order of magnitude across the AFT family: Exponential AFT (Weibull k=1) achieves expected calibration error (ECE) ~1e-4, roughly 10x lower than Log-Normal, while ranking metrics agree within 0.3% relative. We adopt Exponential AFT for probability-consuming surfaces and Log-Normal for pure ranking, exposing a principled calibration-ranking trade-off within a single AFT family.
- Abstract（参考訳）: 電子商取引における再購入推奨者は、一般的に「この顧客がこのアイテムをW日以内に購入するのか」という2つの質問として扱われる。
私たちは、このスタックを、直接購入する時間を予測する生存モデルに置き換え、30以上のアブレーション構成で大規模な食料品のEコマースプラットフォームから何百万もの顧客に対して評価します。
私たちの研究は3つの貢献をする。
実験的ハザード分析では,前回の購入以降,食料品の購入がより長くなるという一般的な直観と異なり,限界ハザードがわずかに減少する(k～0.9)。
Log-Normalは最良限界適合(R^2 = 0.998)と最良ランクを達成するが、Weibullは最良条件残差適合を提供しており、我々が詳細に分析した明らかな相違を明らかにしている。
第二に、1つの加速故障時間(AFT)モデルが3つの水平二分法を置き換え、それぞれが一致するか、あるいはそれを超えるかで、総木を約3倍少なくする。
生存目標下での特徴的重要性は、チャネルケイデンスと電流信号が増加し、集合周波数は減少する。
第3に、4パラメータのパラメトリックキャリブレーションは、生のCDFを水平一様性違反のない水平毎の確率にマッピングする。
Exponential AFT (Weibull k=1) は期待キャリブレーション誤差 (ECE) ~1e-4 を達成し、ログノーマルの約10倍低い。
我々は、確率消費面にExponential AFTを採用し、純粋なランキングにLog-Normalを導入し、単一のAFTファミリー内でのキャリブレーションレベルのトレードオフを原則として明らかにした。
関連論文リスト
- Accurate Ensembles, Fragile Narratives: Multi-Scale Stacking and a Fidelity Audit of LLM-Generated Explanations for Credit Risk [0.0]
クレジットスコアリングは、決定ロジックをパラメータから読み取ることができないモデルに依存している。
共通する提案は、言語モデルとのギャップを埋める: 特徴属性を計算し、それらを LLM に渡し、合理的に記述させる。
このようなシステムをエンド・ツー・エンドに構築し、約束の後半が成立するかどうかをテストします。
論文 参考訳（メタデータ） (2026-08-08T13:22:14Z) - SFGA: A Statistics-First Gating Architecture with Adjudicative Escalation for Trustworthy SFT Data Procurement [2.8129261352670003]
我々は、調達をコストに配慮したルーティング問題として扱う統計第一のゲーティングアーキテクチャであるsysを提案する。
ゲートは間隔が狭く、サンプルサイズが適切で、軸が一致する場合にのみ決定を受理する。
コンサイドの勝利率は0.80、ポジションフリップ率は52%である。
論文 参考訳（メタデータ） (2026-07-21T10:52:04Z) - RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - Weight Pruning Amplifies Bias: A Multi-Method Study of Compressed LLMs for Edge AI [0.0]
活性化認識プルーニング(Wanda)はパープレキシティをほぼ完全に保ち(Mistral-7Bでは50%の間隔でわずか3.5%増加)、最も高いバイアス増幅をもたらす。
ランダムプルーニングは、言語能力を完全に破壊する(複雑度は104ドルを超え、108ドルに達する)が、ランダムチャンスバイアスしか発生しない。
さらに、非構造化プルーニングは、実際のエッジハードウェアにおいて、ストレージをゼロにし、推論遅延をゼロにすることを示した。
論文 参考訳（メタデータ） (2026-05-02T05:27:40Z) - Calibrating an Imperfect Auxiliary Predictor for Unobserved No-Purchase Choice [1.5484595752241122]
企業が競争相手から購入するか、買わないか、会社のオファーを十分に考慮するか、といった、主要な消費者行動を見ることができないのが一般的である。
この外部オプション情報が欠落しているため、単純なマルチノミアルロジット(MNL)モデルであっても、市場規模と嗜好の推定が困難になる。
我々は,ブラックボックス補助予測器が外部オプションの確率を提供する相補的な設定について検討するが,異なるチャネル,期間,集団で訓練されたため,バイアスや誤判定の可能性がある。
我々は、これらの不完全予測を、焦点からの購入専用データを用いた統計的に有効なノン購入推定に変換するキャリブレーション手法を開発した。
論文 参考訳（メタデータ） (2026-02-12T03:00:36Z) - vAttention: Verified Sparse Attention [100.98210818821688]
vAttentionは、ユーザが指定した$(epsilon, delta)$の近似精度保証(thus, confirmed)を備えた実用的なスパースアテンションメカニズムである。
vAttentionはデータセット間のスパースアテンションの質を大幅に改善することを示す。
モデルの品質を損なうことなく高速なデコードを実現するために、推論シナリオにデプロイすることができる。
論文 参考訳（メタデータ） (2025-10-07T08:46:08Z) - MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。
我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。
数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
論文 参考訳（メタデータ） (2025-09-25T14:58:29Z) - Outcome-based Reinforcement Learning to Predict the Future [1.4313866885019229]
コンパクトな(14B)推論モデルは、o1のようなフロンティアモデルの予測精度に適合または超えるように訓練可能であることを示す。
ポリマーケットのトレーディングシミュレーションでは、その賭けが10%以上の投資のリターンをもたらすと見積もっている。
論文 参考訳（メタデータ） (2025-05-23T14:56:07Z) - Rethinking Missing Data: Aleatoric Uncertainty-Aware Recommendation [59.500347564280204]
本稿では, Aleatoric Uncertainty-aware Recommendation (AUR) フレームワークを提案する。
AURは、新しい不確実性推定器と通常のレコメンデータモデルで構成されている。
誤ラベルの可能性がペアの可能性を反映しているため、AURは不確実性に応じてレコメンデーションを行う。
論文 参考訳（メタデータ） (2022-09-22T04:32:51Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T08:38:20Z) - Label Distributionally Robust Losses for Multi-class Classification:
Consistency, Robustness and Adaptivity [55.29408396918968]
多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。
我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。
本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
論文 参考訳（メタデータ） (2021-12-30T00:27:30Z) - Sparse network asymptotics for logistic regression [0.0]
ロジスティック回帰の漸近正規性は三角配列に対する Martingale Central limit theorem (CLT) を用いて示される。
スパースネットワークは、サンプリング変動のさらなる源を含むばらつきを示唆し、(ii) はダイアディック依存の度合いで有効であるので、より良い推論をもたらす可能性がある。
論文 参考訳（メタデータ） (2020-10-09T17:46:29Z)
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。