arXiv cs.AI· Jules D\'esir, Vincent Auriau, Martin Mo\v{z}ina, Emmanuel Malherbe·· 3 天前AI 评分18
面向零售购物篮选择建模的负采样改进：更好捕捉商品间交互
Better Capturing Interactions Between Products in~Retail: Revisited Negative Sampling for~Basket Choice Modeling
AI 导读
研究提出一种购物篮模型，通过学习嵌入向量来表征商品、价格与门店之间的交互关系，并采用基于实际在售商品组合的随机负采样来计算优化损失，以突破商品数量庞大带来的计算瓶颈。在合成数据上，该负采样策略效果优于已有文献方法；模型还在 Fortenova Group 数百万条真实交易数据上完成训练与评估，可用于支持品类管理人员的零售决策。
正文 · AI 翻译
摘要：实体零售商面临着许多不同的挑战，涉及彻底了解其产品目录和客户偏好。特别是，品类优化——提出理想的产品组合——和促销规划在其战略中起着关键作用。通过利用销售数据，零售商可以根据客户偏好以及区域和季节性趋势，就销售哪些产品以及如何管理库存做出明智的决策。捕捉产品之间的相互作用尤为关键，以尽量减少相互蚕食销售的商品数量，并确保经常一起购买的互补产品在所有门店联合供应和销售。在本文中，我们提出了一个购物篮模型，该模型学习嵌入来表示产品、价格和门店之间的相互作用。我们的模型旨在从非常大的交易数据集中揭示销售模式。特别是，优化损失通过随机负样本计算，以克服大量商品带来的计算瓶颈。我们在合成数据上的实验表明，基于可用产品的实际组合抽取此类负样本的效率，其结果优于文献中的方法。我们还通过在由东南欧领先零售公司之一 Fortenova Group 的数百万笔交易组成的数据集上训练和评估我们的模型来验证我们的方法。我们的模型展示了在零售领域的应用前景，具有丰富的界面以有效支持品类经理。
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.17963 [cs.LG] |
| （或 arXiv:2610.17963v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17963 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 期刊 参考： | Machine Learning and Knowledge Discovery in Databases., 16021, pp.125-142, 2025, Lecture Notes in Computer Science, 978-3-032-06118-8 |
提交历史
来自：Vincent Auriau [查看电子邮件] [通过 CCSD 代理]
[v1]
2026年10月13日星期二 08:41:22 UTC（493 KB）
来源：arXiv cs.AI · arxiv.org