論文の概要: Behavior2Value: Benchmarking and Empowering LLMs for Consumer Value Measurement from E-commerce Behaviors
- arxiv url: http://arxiv.org/abs/2609.18203v1
- Date: Wed, 16 Sep 2026 06:35:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.674162
- Title: Behavior2Value: Benchmarking and Empowering LLMs for Consumer Value Measurement from E-commerce Behaviors
- Title（参考訳）: Behavior2Value:Eコマース行動からの消費者価値測定のためのLCMのベンチマークと活用
- Abstract要約: 本稿では,eコマース行動軌跡から消費者の価値観を識別することを目的とした行動対価値(B2V)タスクを提案する。
B2V-Benchは、実際の購入決定エピソードと、各エピソードに表される消費者価値の方向性で構成されている。
B2V-Verifier(B2V-Verifier)は、値検証チューニングに基づく振る舞いから値までの測定モデルである。
- 参考スコア（独自算出の注目度）: 26.162387974421517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human values are deep motivational orientations that shape human behaviors. In e-commerce, they reveal the stable drivers behind users' purchase decisions. Compared with short-term interests, consumer values better explain how users evaluate products before purchase. However, consumer values are often implicit in complex and fragmented behavioral trajectories, leaving value measurement from e-commerce behaviors largely underexplored. To this end, we propose the Behavior-to-Value (B2V) task, which aims to identify consumer values from e-commerce behavioral trajectories. Centered on this task, we first construct the E-commerce Consumption Value Taxonomy (ECVT) and introduce B2V-Bench, the first B2V dataset and benchmark, based on anonymized Taobao behavioral logs. B2V-Bench consists of real-world purchase decision episodes, covering 25 types of purchase behaviors, along with corresponding consumer value orientations manifested in each episode. To improve consumer value measurement accuracy, we further present B2V-Verifier, a behavior-to-value measurement model based on Value Verification Tuning, which learns to assess whether behaviors provide sufficient evidence for each value inference. Experiments show that B2V-Verifier outperforms strong LLM baselines, improving multi-label classification by 34\%. The dataset and code will be publicly released upon acceptance.
- Abstract（参考訳）: 人間の価値は、人間の振る舞いを形作る深い動機づけの方向である。
電子商取引では、ユーザーの購入決定の背後にある安定したドライバーを明らかにする。
短期的な関心事と比較して、消費者の価値観は、ユーザーが購入前に製品を評価する方法を説明するのがよい。
しかし、消費者価値は複雑で断片化された行動軌跡において暗黙にされ、eコマースの行動から価値を測定することは、ほとんど探索されていない。
この目的のために,電子商取引行動軌跡から消費者価値を識別することを目的とした行動-価値(B2V)タスクを提案する。
このタスクを中心に、まずEコマース消費価値分類(ECVT)を構築し、匿名化されたタオバオ行動ログに基づいて、最初のB2VデータセットとベンチマークであるB2V-Benchを紹介する。
B2V-Benchは、実際の購入決定エピソードで構成され、25種類の購入行動と、各エピソードに表される消費者価値の方向性をカバーしている。
さらに,消費者の値測定精度を向上させるために,B2V-Verifierを提案する。
実験の結果、B2V-Verifierは強力なLCMベースラインを上回り、マルチラベル分類を34.5%改善した。
データセットとコードは、受理時に公開される。
関連論文リスト
- Towards Faithful Simulation of Human Shopping Behavior [57.234936207923]
本稿では,GUIを用いたシミュレーションエージェントRecVerseについて紹介する。
メモリの問題に対して、RecVerseは認知にインスパイアされた階層的メモリ、短期的なフォーカスのためのワーキングメモリ、セッション内トレースのためのエピソディックメモリ、高レベルのインテントのためのPreference Memoryを採用する。
最適化の課題として、RecVerseは、セッション全体をスコアする軌道レベルの目標で最適化されている。
論文 参考訳（メタデータ） (2026-08-21T03:24:32Z) - BehaviorBench: Modeling Real-World User Decisions from Behavioral Traces [53.55407626944686]
textscBehaviorBenchは、実世界の行動トレースからパーソナライズされた意思決定モデリングを評価するためのベンチマークである。
textscBehaviorBenchは、公開市場とオンチェーンの記録からウォレットレベルの意思決定履歴を再構築する。
2,000以上の評価ウォレットで、ベンチマークには141,445のBeliefインスタンスと1,485,972のTradeインスタンスが含まれている。
論文 参考訳（メタデータ） (2026-06-01T19:04:36Z) - Taxonomy-based Negative Sampling In Personalized Semantic Search for E-commerce [46.251483528080236]
本稿では,クエリや商品を共有ベクトル空間に埋め込んだeコマース検索のセマンティック検索モデルを提案する。
顧客の過去の購買履歴と行動をモデル化し,ユーザレベルのパーソナライゼーションを取り入れた。
論文 参考訳（メタデータ） (2025-11-01T20:25:00Z) - SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。
我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。
1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
論文 参考訳（メタデータ） (2025-07-27T09:04:17Z) - EPR-GAIL: An EPR-Enhanced Hierarchical Imitation Learning Framework to Simulate Complex User Consumption Behaviors [13.436303786475348]
本研究では,データ駆動型GAIL(Generative Adversarial Learning)手法の忠実さと信頼性を高めることを提案する。
EPR-GAILフレームワークの中核となる考え方は、ユーザの消費行動を複雑なEPR決定プロセスとしてモデル化することです。
オンラインプラットフォーム上での2つの実世界のユーザ消費行動データセットの実験では、EPR-GAILフレームワークが、データの忠実度において、最高の最先端ベースラインを19%以上上回っていることが示されている。
論文 参考訳（メタデータ） (2025-03-09T01:56:42Z) - IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。
インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。
人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
論文 参考訳（メタデータ） (2024-06-14T16:51:21Z) - A Usage-centric Take on Intent Understanding in E-Commerce [20.648271216249977]
私たちは、“顧客が製品を使う方法”として、述語的ユーザ意図に注目します。
FolkScopeの2つの弱点、SOTA E-Commerce Intent Graphを特定します。
ユーザ意図を最も望ましい特性を持つ製品と強く結びつける能力を制限する。
論文 参考訳（メタデータ） (2024-02-22T18:09:33Z) - Enhancing User Intent Capture in Session-Based Recommendation with
Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。
FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。
FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文 参考訳（メタデータ） (2023-12-23T03:28:18Z) - Commonsense Knowledge Salience Evaluation with a Benchmark Dataset in
E-commerce [42.726755541409545]
電子商取引においては、コモンセンス・ナレッジ(CSK)のサリエンスは、製品検索やレコメンデーションといった幅広い応用に有用である。
しかし、既存のCSKコレクションの多くは、信頼スコアのみによってランク付けされており、人間の視点ではどのコレクションが健全であるかに関する情報はない。
本研究では,CSK三重項が与えられた場合,三重項が正当かどうかを学習するためには,教師付きサリエンス評価の課題を定義する。
論文 参考訳（メタデータ） (2022-05-22T15:01:23Z) - Categorizing Online Shopping Behavior from Cosmetics to Electronics: An
Analytical Framework [3.6726589459214445]
提案フレームワークは、自動購入予測と記述的な消費者インサイトを得るために、他の大規模なEコマースデータセットに拡張可能である。
提案システムは97～99%の分類精度を達成し,ユーザ・ジャーニーレベルの購買予測を行う。
論文 参考訳（メタデータ） (2020-10-06T06:16:44Z)
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。