ProVe——基于神经语言模型的自动化产品替换与冷启动自监督流水线
计算与语言
2021-01-13 v2 机器学习
摘要
在零售垂直行业中，企业正面临快速理解并适应新购买行为的人类局限。此外，零售企业需克服妥善管理海量产品/品牌/品类选择的人类局限。这些局限导致了商业层面（如销售损失、客户满意度下降）和运营层面（如缺货、库存过剩）的缺陷。本文提出一种基于自然语言理解（Natural Language Understanding）的流水线方法，用于推荐缺货产品的最合适替代品。此外，我们将提出一种管理零售商产品组合中几乎无交易历史的新引入产品的方案。该方案将帮助企业：自动将新产品分配到正确品类；从第一天起推荐交叉销售互补产品；即便几乎无交易历史也能进行销售预测。最后，应用本文流水线所得的向量空间模型直接用作基于深度学习的需求预测方案中的语义信息，从而获得更准确的预测。整个研究与实验过程使用真实私有交易数据完成，源代码发布于 https://github.com/Lummetry/ProVe。
引用
@article{arxiv.2006.14994,
title = {ProVe -- Self-supervised pipeline for automated product replacement and cold-starting based on neural language models},
author = {Andrei Ionut Damian and Laurentiu Piciu and Cosmin Mihai Marinescu},
journal= {arXiv preprint arXiv:2006.14994},
year = {2021}
}