面向社交感知型VR购物的商品与子群配置优化
数据结构与算法
2020-02-18 v2
摘要
在VR商场中购物一直被视为电子商务的范式转变，但大多数传统VR购物平台都是为单一用户设计的。在本文中，我们设想了一种VR群组购物场景，与实体店和传统Web购物的常规群组购物相比，它具有主要优势：1) 配置灵活的商品展示和子群划分，以解决群组中个体的兴趣；2) 支持子群内的社交互动以促进销售。相应地，我们形式化了社交感知型VR群组-商品配置（SVGIC）问题，为VR群组购物中灵活划分的用户子群配置一组展示商品。我们证明SVGIC在 内是NP难的且无法近似。我们基于共展示子群形成（CSF）的思想设计了一种近似算法，为不同的朋友子群配置合适的展示商品。在真实VR数据集上的实验结果以及使用hTC VIVE的用户研究表明，我们的算法在解质量上优于基线方法至少30.1%。
引用
@article{arxiv.2002.04338,
title = {Optimizing Item and Subgroup Configurations for Social-Aware VR Shopping},
author = {Shao-Heng Ko and Hsu-Chao Lai and Hong-Han Shuai and De-Nian Yang and Wang-Chien Lee and Philip S. Yu},
journal= {arXiv preprint arXiv:2002.04338},
year = {2020}
}
备注
32 pages, 16 figures (41 subfigures). A shorter version of this paper has been submitted to the 46th International Conference on Very Large Databases (VLDB 2020); this is an expanded version containing supplementary details