用于学习图表示以预测时尚零售中客户退货的数据集
机器学习
2023-03-14 v2 数据库
信息检索
摘要
我们提出了一个由 ASOS（一家大型在线时尚零售商）收集的用于解决时尚零售生态系统中客户退货预测挑战的新数据集。通过发布这一海量数据集，我们希望促进研究界与时尚产业之间进一步的合作。我们首先探索该数据集的结构，重点关注图表示学习（Graph Representation Learning）的应用，以利用自然数据结构并提供数据中特定特征的统计洞察。此外，我们展示了退货预测分类任务的示例，包括一组基线模型（即无中间表示学习步骤）和一个基于图表示的模型。我们表明，在下游退货预测分类任务中，使用图神经网络（GNN）可获得 0.792 的 F1-score，优于本文讨论的其他模型。除了这一提升的 F1-score 外，我们还通过将数据重构为图结构展示了更低的交叉熵损失，表明基于 GNN 的解决方案具有更鲁棒的预测。这些结果证明，在所提供的数据集上，GNN 相比其他基线模型能给出更具影响力和可用性的分类；基于此动机，我们希望借助 ASOS GraphReturns 数据集鼓励对基于图的方法的进一步研究。
引用
@article{arxiv.2302.14096,
title = {A Dataset for Learning Graph Representations to Predict Customer Returns in Fashion Retail},
author = {Jamie McGowan and Elizabeth Guest and Ziyang Yan and Cong Zheng and Neha Patel and Mason Cusack and Charlie Donaldson and Sofie de Cnudde and Gabriel Facini and Fabon Dzogang},
journal= {arXiv preprint arXiv:2302.14096},
year = {2023}
}
备注
The ASOS GraphReturns dataset can be found at https://osf.io/c793h/. Accepted at FashionXRecSys 2022 workshop. Published Version