[論文レビュー] Intelligent Classification and Personalized Recommendation of E-commerce Products Based on Machine Learning

Kangming Xu, Huiming Zhou+3 more|arXiv (Cornell University)|Mar 28, 2024

E-commerce and Technology Innovations被引用数 9

ひとこと要約

従来のeコマース分類をパーソナライズド推奨と比較し、eBayプラットフォームに適したBERTベースの最近傍法システムを提案、手動評価で検証され、運用ガイドを伴う。

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.

研究の動機と目的

• 情報過多を緩和する必要性を、改良された分類とパーソナライズド推奨を通じて動機づける。
• eコマース、コンテンツ、メディア分野において、従来の商品分類システムとパーソナライズド推奨アプローチを比較する。
• パーソナライズド推奨における課題（プライバシー、バイアス、スケーラビリティ、コールドスタート）を特定し、それらに対処するための戦略を概説する。
• eBayプラットフォームに合わせた実践的な、BERTベースの最近傍推奨フレームワークを提案する。
• 推奨システムのデプロイとスケーラビリティのための運用ガイドと構造化出力を提供する。

提案手法

• BERTモデルを活用して商品とユーザークエリの文脈表現を導出する。
• 学習された表現に基づいて、個別化された商品推奨を提供するために最近傍アルゴリズムを適用する。
• 提案された戦略を通じて、データプライバシー、アルゴリズムのバイアス、スケーラビリティ、コールドスタートといった主要な課題に対処する。
• eコマースプラットフォーム（eBay）上での実際の展開を想定した、運用ガイドと構造化出力形式を備えた実践的な実装フレームワークを提供する。

実験結果

リサーチクエスチョン

• RQ1 BERTベースの表現と最近傍探索は、eコマースの商品分類とパーソナライズをどのように改善できるか？
• RQ2 eコマースのパーソナライズド推奨システムにおけるプライバシー問題、バイアス、スケーラビリティ、コールドスタートを効果的に緩和する戦略は何か？
• RQ3 提案されたシステムをeBayプラットフォームのニーズに適応させ、運用性とスケーラビリティを確保するにはどうすればよいか？

主な発見

• 著者らは、提案されたBERTベースの最近傍推奨システムの有効性を手動評価を通じて裏付ける。
• 本論文は、デプロイを支援する実践的な運用ガイドと構造化出力の推奨を提供する。
• このアプローチは、プライバシー、バイアス、スケーラビリティ、コールドスタートを含むeコマースのパーソナライズ化における主要な課題に対処するよう設計されている。