Consumer Transactions Simulation through Generative Adversarial Networks

要約

大規模な小売データ システムの急速に進化する領域では、将来の消費者取引の構想とシミュレーションが重要な関心領域となっています。
これは、需要予測を強化し、在庫管理を微調整するための大きな可能性をもたらします。
この論文では、合成小売取引データを生成するための敵対的生成ネットワーク (GAN) の革新的なアプリケーションを紹介します。具体的には、現実世界の品揃え最適化の課題に対処するために消費者行動モデリングと在庫管理単位 (SKU) の可用性制約を組み合わせた新しいシステム アーキテクチャに焦点を当てています。
。
当社は、SKU データを GAN アーキテクチャに統合し、より洗練された埋め込み手法 (ハイパーグラフなど) を使用することで、従来の方法論から逸脱しています。
この設計の選択により、当社のシステムは、シミュレーションされた消費者の購入行動を生成するだけでなく、消費者の行動と SKU の入手可能性の間の動的な相互作用を反映することもできます。この側面は、特に従来の小売シミュレーション モデルではデータが不足しているため、見落とされがちです。
当社の GAN モデルは、在庫制約の下でトランザクションを生成し、現実世界の小売業務と戦略に実用的な意味を持つリソース豊富な実験システムを開拓します。
予備的な結果は、関連研究で以前に採用された方法を使用して、生成されたアイテムと実際のアイテムを比較することによって測定された、シミュレートされたトランザクションのリアリズムの向上を示しています。
これは、より正確な予測モデリングの可能性を強調しています。

要約(オリジナル)

In the rapidly evolving domain of large-scale retail data systems, envisioning and simulating future consumer transactions has become a crucial area of interest. It offers significant potential to fortify demand forecasting and fine-tune inventory management. This paper presents an innovative application of Generative Adversarial Networks (GANs) to generate synthetic retail transaction data, specifically focusing on a novel system architecture that combines consumer behavior modeling with stock-keeping unit (SKU) availability constraints to address real-world assortment optimization challenges. We diverge from conventional methodologies by integrating SKU data into our GAN architecture and using more sophisticated embedding methods (e.g., hyper-graphs). This design choice enables our system to generate not only simulated consumer purchase behaviors but also reflects the dynamic interplay between consumer behavior and SKU availability — an aspect often overlooked, among others, because of data scarcity in legacy retail simulation models. Our GAN model generates transactions under stock constraints, pioneering a resourceful experimental system with practical implications for real-world retail operation and strategy. Preliminary results demonstrate enhanced realism in simulated transactions measured by comparing generated items with real ones using methods employed earlier in related studies. This underscores the potential for more accurate predictive modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google