要旨: 本論文は、ユーザとアイテムのデータにおける高次元性と疎性の問題に同時に対処しつつ、各製品およびユーザが全体の売上収益に与える貢献を明示的に組み込む、新規の価値認識型（value-aware）な商品推薦アプローチを提案する。提案する枠組みは、ユーザ-アイテム行列において収益貢献を符号化し、適切な距離尺度を用いてこの基盤に基づき顧客類似度を直接計算する。これにより、購買バスケットの収益ベースの類似度に従ってユーザをセグメント化でき、収益性を目的とした推薦を支援する。従来の類似度指標と、高次元の文脈に合わせて調整した新しい代替案を比較し、収益シェア、商品の人気、期待利益の創出に基づく3つの推薦戦略を提案する。提案手法の有効性は、シミュレーション実験およびUCI Online Retailデータセットを用いた実世界での適用により検証する。
売上に価値を反映した顧客セグメンテーションによる高次元類似度を用いた商品レコメンド
arXiv cs.LG / 2026/5/1
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、一般的なユーザとアイテムの交互作用データに見られる「高次元性」と「疎性」の両方に対処する、価値を考慮した商品レコメンド手法を提案する。
- 売上における各商品の寄与と各ユーザの寄与を明示的に扱うため、売上寄与をユーザ・アイテム行列に符号化し、その表現に基づいて顧客類似度を距離尺度で計算する。
- 顧客の購入バスケット同士の「売上に基づく類似度」によってユーザをセグメント化し、収益性を目的とした推薦を可能にする。
- 高次元環境に適した新しい類似度／距離の代替案を提案し、従来の類似度指標と比較したうえで評価する。
- 提案手法は、シミュレーション実験とUCI Online Retailデータセットを用いた実データ適用により有効性が検証される。
