时尚领域的效用与隐式反馈
计算机视觉与模式识别
2018-07-10 v1 机器学习
摘要
时尚偏好是一个模糊概念，取决于顾客品味、时尚产品/风格的流行规范（以下互换使用）以及顾客对效用或时尚性的感知，然而时尚电商零售依赖于算法生成的搜索与推荐系统，这些系统处理结构化数据和图像以最佳匹配顾客偏好。零售商仅将品味研究为已售与未售的函数，并视其为顾客偏好的代表。然而，这种显式建模掩盖了潜在的用户偏好，它是偏好与商业因素（如品牌、价位、促销、其他销售事件和竞争对手推动/营销）的复杂相互作用。很难通过销售数据推断效用概念甚至顾客偏好。在时尚电商零售的搜索与推荐系统中，顾客偏好通过用户-用户相似性或物品-物品相似性隐式推导。本工作中，我们旨在推导一个指标，将用户的购买偏好与商品的商业因素（价格、促销等）分离。我们将早期基于显式信号衡量可售性或偏好的工作，扩展至利用用户行为的隐式信号。
引用
@article{arxiv.1807.03139,
title = {Utility in Fashion with implicit feedback},
author = {Vikram Garg and Girish Sathyanarayana and Sumit Borar and Aruna Rajan},
journal= {arXiv preprint arXiv:1807.03139},
year = {2018}
}