Open upura opened 5 years ago
http://www.orsj.or.jp/~nc2019s/wp-content/uploads/2019/02/2019s-2-A-1.pdf
日本オペレーションズ・リサーチ学会 2019年 春季研究発表会
先行研究 [1]では,商品閲覧履歴から各顧客の閲覧商品に対する「最新度」と「頻度」を数量化し,形状制約のもとで最新度と頻度の組に対して閲覧商品が購買される確率(商品選択確率)を推定する手法が提案された.しかし,この手法では顧客の閲覧履歴が最新度と頻度の 2 次元に縮約されるため,商品閲覧に関する多くの情報が失われてしまう.
提案手法の長所:先行研究の手法よりも詳細な情報を保持できる 短所:学習データの不足により過剰適合を生じやすい
過剰適合抑制のため,閲覧数列の順序関係に基づく推定値の補正方法を提案
[1] Iwanaga, J., Nishimura, N., Sukegawa, N., & Takano, Y. (2016). Estimating product-choice probabilities from recency and frequency of page views. Knowledge-Based Systems, 99, 157–167.
https://hagino3000.blogspot.com/2019/03/operations-research.html?m=1
どんなもの?
論文リンク
http://www.orsj.or.jp/~nc2019s/wp-content/uploads/2019/02/2019s-2-A-1.pdf
著者/所属機関
媒体
日本オペレーションズ・リサーチ学会 2019年 春季研究発表会
投稿日付
先行研究と比べてどこがすごい?
提案手法の長所:先行研究の手法よりも詳細な情報を保持できる 短所:学習データの不足により過剰適合を生じやすい
技術や手法のキモはどこ?
過剰適合抑制のため,閲覧数列の順序関係に基づく推定値の補正方法を提案
どうやって有効だと検証した?
議論はある?
次に読むべき論文は?
[1] Iwanaga, J., Nishimura, N., Sukegawa, N., & Takano, Y. (2016). Estimating product-choice probabilities from recency and frequency of page views. Knowledge-Based Systems, 99, 157–167.