大规模市场平台价格异常检测系统
机器学习
2023-10-10 v2 机器学习
摘要
在线市场平台每天执行由个体市场卖家发起的大量价格更新。这种价格民主化伴随着数据质量方面日益增长的挑战。传统在线零售商可用的集中式护栏的缺失，导致不准确价格被发布到网站上的可能性更高，从而造成糟糕的客户体验与潜在的收入损失。我们提出MoatPlus（基于树的掩码最优锚点、邻近标注与无监督统计特征），一种面向不断增长的市场平台的可扩展价格异常检测框架。其目标是利用无监督统计特征中的邻近性与历史价格趋势来生成价格上限。我们构建模型集成以检测基于价格的特征中的不规则性，排除不规则特征，并使用优化加权方案在实时定价流水线中构建可靠的价格边界。我们观察到，我们的方法在高脆弱性商品子集中将精确锚点覆盖率提升了高达46.6%。
引用
@article{arxiv.2310.04367,
title = {A Marketplace Price Anomaly Detection System at Scale},
author = {Akshit Sarpal and Qiwen Kang and Fangping Huang and Yang Song and Lijie Wan},
journal= {arXiv preprint arXiv:2310.04367},
year = {2023}
}
备注
10 pages, 4 figures, 7 tables