A Transformer-Based Substitute Recommendation Model Incorporating Weakly Supervised Customer Behavior Data

要約

タイトル：弱監督顧客行動データを組み込んだTransformerベースの代替品推奨モデル

要約：
– 代替品ベースの推奨は、顧客にとってより良い選択肢を提供するためにEコマースで広く使用されている。
– しかし、既存の研究では、共同閲覧や表示-別の購入などの顧客行動シグナルを使用して代替関係を捕捉していることが一般的である。
– しかし、そうしたアプローチは、製品の機能や特性を無視する可能性があるという課題がある。
– そこで、本研究では、製品タイトルの説明をモデルの入力として取り入れることで、代替品推奨を言語マッチング問題に適応させることを提案している。
– また、製品データから派生するシグナルを除去するための新しい変換方法を設計しており、エンジニアリングの観点から多言語サポートを考慮している。
– 提案されたエンドツーエンドTransformerベースのモデルは、オフラインおよびオンライン実験から両方の成功を収めている。
– 提案されたモデルは、6つの言語で11のマーケットプレイスの大規模なEコマースウェブサイトに展開されており、オンラインA/B実験に基づくと19%の収益増加が示されている。

要約(オリジナル)

The substitute-based recommendation is widely used in E-commerce to provide better alternatives to customers. However, existing research typically uses the customer behavior signals like co-view and view-but-purchase-another to capture the substitute relationship. Despite its intuitive soundness, we find that such an approach might ignore the functionality and characteristics of products. In this paper, we adapt substitute recommendation into language matching problem by taking product title description as model input to consider product functionality. We design a new transformation method to de-noise the signals derived from production data. In addition, we consider multilingual support from the engineering point of view. Our proposed end-to-end transformer-based model achieves both successes from offline and online experiments. The proposed model has been deployed in a large-scale E-commerce website for 11 marketplaces in 6 languages. Our proposed model is demonstrated to increase revenue by 19% based on an online A/B experiment.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI