OMBA：用于在线购物篮分析的用户引导型商品表示
机器学习
2021-02-17 v2 机器学习
摘要
购物篮分析是一种识别商品间关联的流行技术，对商业决策至关重要。以往的研究通常采用传统的频繁项集挖掘算法来执行购物篮分析。然而，这些算法通常无法揭示商品在最细粒度级别上极少出现的关联。此外，它们捕捉商品间关联时间动态的能力有限。因此，我们提出了一种用于在线购物篮分析的新型表示学习技术 OMBA。OMBA 联合学习商品和用户的表示，使其保留商品与商品以及用户与商品关联的时间动态。随后，OMBA 提出了一种可扩展且有效的在线方法，利用这些表示生成商品关联。我们在三个真实世界数据集上的广泛实验表明，OMBA 的性能比 state-of-the-art 方法高出多达 21%，同时强调了极少出现但强相关的关联，并有效捕捉了关联中的时间变化。
引用
@article{arxiv.2006.10396,
title = {OMBA: User-Guided Product Representations for Online Market Basket Analysis},
author = {Amila Silva and Ling Luo and Shanika Karunasekera and Christopher Leckie},
journal= {arXiv preprint arXiv:2006.10396},
year = {2021}
}
备注
16 pages, 4 Figures