論文の概要: Better Capturing Interactions Between Products in~Retail: Revisited Negative Sampling for~Basket Choice Modeling
- arxiv url: http://arxiv.org/abs/2610.17963v1
- Date: Tue, 13 Oct 2026 08:41:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.561909
- Title: Better Capturing Interactions Between Products in~Retail: Revisited Negative Sampling for~Basket Choice Modeling
- Title（参考訳）: プロダクト間のインタラクションのより優れたキャプチャー: ベース選択モデリングのためのネガティブサンプリングの再検討
- Abstract要約: Brick-and-mortarの小売業者は、製品のカタログと顧客の好みを徹底的に理解するなど、さまざまな課題に直面している。
特に、品揃え最適化(製品の理想的な混合を提案する)とプロモーション計画が戦略において重要な役割を担います。
商品,価格,店舗間の相互作用を表現するために埋め込みを学習するショッピングバスケットのモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.21110329357276855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brick-and-mortar retailers face many different challenges that involve understanding thoroughly its products catalog and customer preferences. In particular, assortment optimization - proposing the ideal mix of products - and promotion planning hold a pivotal role in their strategy. By leveraging sales data, retailers can make informed decisions on which products to sell and how to manage inventory, based on customer preferences as well as regional and seasonal trends. It is especially crucial to capture interactions between products, in order to minimize the number of items that cannibalize each other's sales and to ensure that complementary products, which are often purchased together, are conjointly available and sold across all stores. In this paper, we propose a model of shopping basket that learns embeddings to represent interactions between products, prices and stores. Our model is built to uncover sales patterns from very large transaction datasets. In particular, the optimization loss is computed with random negative samples in order to overcome the computational bottlenecks that arise with large number of items. Our experiments on synthetic data show the efficiency of drawing such negative samples based on the actual assortment of available products, with better results than approaches from the literature. We also validate our approach by training and evaluating our model on a dataset composed of millions of transactions from Fortenova Group, one of the leading retail company in Southeast Europe. Our model showcases promising applications in the sector of retail, with enriched interfaces to efficiently support category managers.
- Abstract（参考訳）: Brick-and-mortarの小売業者は、製品のカタログと顧客の好みを徹底的に理解するなど、さまざまな課題に直面している。
特に、品揃え最適化(製品の理想的な混合を提案する)とプロモーション計画が戦略において重要な役割を担います。
販売データを活用することで、小売業者は、顧客の好みや地域や季節の傾向に基づいて、どの製品を売るか、在庫を管理する方法について、情報的な決定を下すことができる。
商品間の相互作用を捉えることは特に重要であり、お互いの販売を食い止める商品の数を最小限に抑え、相補的な商品が一緒に購入され、すべての店舗で共同で販売されることを確実にするために重要である。
本稿では,商品,価格,店舗間の相互作用を表現するために埋め込みを学習するショッピングバスケットのモデルを提案する。
私たちのモデルは、非常に大きなトランザクションデータセットから販売パターンを明らかにするために構築されています。
特に、最適化損失は、多数の項目で発生する計算ボトルネックを克服するために、ランダムな負のサンプルで計算される。
合成データを用いた実験により, 市販品の実際の品揃えに基づく陰性試料の描画効率が, 文献のアプローチよりも良好な結果を得た。
また、東南アジアの大手小売企業の一つであるFortenova Groupからの数百万のトランザクションからなるデータセット上で、私たちのモデルをトレーニングし、評価することで、私たちのアプローチを検証する。
当社のモデルでは,カテゴリマネージャを効率的にサポートするためのインターフェースを充実させた,小売分野の有望なアプリケーションを紹介している。
関連論文リスト
- Learning to Sell: Reinforcement Learning for Strategic Large Language Model Agents in Multi-Product Markets [32.28218090124958]
本研究では,マルチテムバーゲティング環境において,このようなエージェントを効果的に売り手として機能させるための機械学習アプローチを開発する。
我々は,この問題を構造化された4部分メッセージプロトコルを用いて,部分観測可能なマルコフ決定プロセスとして定式化する。
この枠組みを評価するために,制約順守,売り手余剰抽出,割当品質を定量化する多次元計量スイートを構築した。
論文 参考訳（メタデータ） (2026-09-27T06:51:56Z) - What Makes a Sale? Rethinking End-to-End Seller--Buyer Retail Dynamics with LLM Agents [22.408631930364788]
RetailSimは、このパイプラインを統一された環境でモデル化するエンドツーエンドの小売シミュレーションフレームワークである。
本稿では,ペルソナ推論,売り手と買い手のインタラクション分析,販売戦略評価など,意思決定指向のユースケースを通じて,その実用性を実証する。
論文 参考訳（メタデータ） (2026-04-06T06:38:35Z) - 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) - Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。
我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。
我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
論文 参考訳（メタデータ） (2024-09-23T12:28:40Z) - 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) - 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) - Time Series Clustering for Grouping Products Based on Price and Sales
Patterns [0.3518016233072556]
製品価格と販売の連携を考慮に入れた新しい距離指標を提案する。
カスタム評価指標とCalinski HarabaszおよびDavies Bouldin指標を用いて,クラスタリングアルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2022-04-18T14:24:42Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳（メタデータ） (2021-11-11T05:36:39Z) - Product1M: Towards Weakly Supervised Instance-Level Product Retrieval
via Cross-modal Pretraining [108.86502855439774]
弱教師付きマルチモーダル・インスタンスレベルの製品検索を目的とした,より現実的な設定について検討する。
実世界のインスタンスレベルの検索において,最も大規模なマルチモーダル化粧品データセットであるProduct1Mをコントリビュートする。
ケースレベルの予測検索(CAPTURE)のためのクロスモーダル・コントラサシブ・プロダクト・トランスフォーマーという新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-07-30T12:11:24Z) - Improving Sales Forecasting Accuracy: A Tensor Factorization Approach
with Demand Awareness [1.8282018606246824]
販売予測への高度時間潜在因子アプローチ(ATLAS)という新しいアプローチを提案する。
ATLASは、複数のストアや製品にまたがる単一のテンソルファクターモデルを構築することで、販売の正確かつ個別化された予測を実現する。
ATLASの利点は、Information Resource, Inc.が収集した8つの製品カテゴリデータセットで実証されている。
論文 参考訳（メタデータ） (2020-11-06T16:04:40Z)
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。