Transformer Choice Net：一种用于选择预测的Transformer神经网络
机器学习
2023-10-16 v1 人工智能
摘要
离散选择模型，如多项Logit、Probit或混合Logit，在市场营销、经济学和运筹学中得到广泛应用：给定一组备选方案，客户被建模为选择其中一个备选方案以最大化（潜在的）效用函数。然而，将此类模型扩展到客户选择多个物品（如电商购物）的情形已被证明存在问题。尽管可以构建客户行为的合理模型，但由于物品可能子集数量的组合爆炸，估计此类模型变得极具挑战性。在本文中，我们提出了一种适用于预测多重选择的Transformer神经网络架构——Transformer Choice Net。Transformer网络被证明特别适合该任务，因为它们不仅考虑客户和物品的特征，还考虑上下文，在此情形下上下文可能是商品组合以及客户的历史选择。在一系列基准数据集上，我们的架构相比文献中的领先模型展现出一致更优的样本外预测性能，且无需针对每个实例进行定制建模或调参。
引用
@article{arxiv.2310.08716,
title = {Transformer Choice Net: A Transformer Neural Network for Choice Prediction},
author = {Hanzhao Wang and Xiaocheng Li and Kalyan Talluri},
journal= {arXiv preprint arXiv:2310.08716},
year = {2023}
}