[논문 리뷰] Intelligent Classification and Personalized Recommendation of E-commerce Products Based on Machine Learning

Kangming Xu, Huiming Zhou외 3명|arXiv (Cornell University)|2024. 03. 28.

E-commerce and Technology Innovations인용 수 9

한 줄 요약

이 논문은 전통적인 전자상거래 분류와 개인화 추천을 비교하고, eBay 플랫폼에 맞춘 BERT 기반 최근접 이웃 시스템을 제안하며, 수작업 평가로 검증되고 운영 가이드가 함께 제공된다.

ABSTRACT

With the rapid evolution of the Internet and the exponential proliferation of information, users encounter information overload and the conundrum of choice. Personalized recommendation systems play a pivotal role in alleviating this burden by aiding users in filtering and selecting information tailored to their preferences and requirements. Such systems not only enhance user experience and satisfaction but also furnish opportunities for businesses and platforms to augment user engagement, sales, and advertising efficacy.This paper undertakes a comparative analysis between the operational mechanisms of traditional e-commerce commodity classification systems and personalized recommendation systems. It delineates the significance and application of personalized recommendation systems across e-commerce, content information, and media domains. Furthermore, it delves into the challenges confronting personalized recommendation systems in e-commerce, including data privacy, algorithmic bias, scalability, and the cold start problem. Strategies to address these challenges are elucidated.Subsequently, the paper outlines a personalized recommendation system leveraging the BERT model and nearest neighbor algorithm, specifically tailored to address the exigencies of the eBay e-commerce platform. The efficacy of this recommendation system is substantiated through manual evaluation, and a practical application operational guide and structured output recommendation results are furnished to ensure the system's operability and scalability.

연구 동기 및 목표

• 개선된 분류와 개인화 추천을 통해 전자상거래의 정보 과부하 완화의 필요성을 동기 부여한다.
• 전자상거래, 콘텐츠 및 미디어 도메인에서 전통적인 상품 분류 시스템과 개인화 추천 접근 방식을 비교한다.
• 개인화 추천의 도전 과제(프라이버시, 편향, 확장성, 콜드 스타트)를 식별하고 이를 해결하기 위한 전략을 제시한다.
• eBay 플랫폼에 맞춘 실용적인 BERT 기반 최근접 이웃 추천 프레임워크를 제안한다.
• 추천 시스템의 배포 및 확장성을 위한 운영 가이드와 구조화된 출력을 제공한다.

제안 방법

• 제품과 사용자 쿼리의 맥락 표현을 도출하기 위해 BERT 모델을 활용한다.
• 학습된 표현을 기반으로 개인화된 제품 추천을 제공하기 위해 최근접 이웃 알고리즘을 적용한다.
• 데이터 프라이버시, 알고리즘적 편향, 확장성, 콜드 스타트와 같은 핵심 도전과제를 제시된 전략으로 해결한다.
• 실제 배포를 위한 운영 가이드와 구조화된 출력 형식을 포함한 실용적인 구현 프레임워크를 제공한다(전자상거래 플랫폼(eBay)에서의 적용).

실험 결과

연구 질문

• RQ1 BERT 기반 표현과 최근접 이웃 검색이 전자상거래 상품 분류와 개인화를 어떻게 향상시킬 수 있는가?
• RQ2 전자상거래 개인화 추천에서 프라이버시 우려, 편향, 확장성, 콜드 스타트를 효과적으로 완화하기 위한 전략은 무엇인가?
• RQ3 제안된 시스템을 eBay 플랫폼의 요구에 어떻게 적용하고 작동성 및 확장성을 보장할 수 있는가?

주요 결과

• 저자들은 수작업 평가를 통해 제안된 BERT 기반 최근접 이웃 추천기의 효율성을 입증한다.
• 본 논문은 배치를 지원하기 위한 실용적 운영 가이드와 구조화된 출력 권고안을 제공한다.
• 이 접근법은 프라이버시, 편향, 확장성, 콜드 스타트 등 전자상거래 개인화의 핵심 문제를 다루도록 설계되었다.