arXiv · cs.AI· Jules D\'esir, Vincent Auriau, Martin Mo\v{z}ina, Emmanuel Malherbe·· 2 天前
面向零售购物篮选择的负采样改进：更好地捕捉商品间交互
Better Capturing Interactions Between Products in~Retail: Revisited Negative Sampling for~Basket Choice Modeling
arXiv:2610.17963v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jules D\'esir, Vincent Auriau, Martin Mo\v{z}ina, Emmanuel Malherbe
期刊信息（来源提供）：Machine Learning and Knowledge Discovery in Databases., 16021, pp.125-142, 2025, Lecture Notes in Computer Science, 978-3-032-06118-8
研究任务与主要进展
论文提出一个购物篮选择模型，通过学习嵌入来表示商品、价格与门店之间的交互，并采用基于实际在售商品组合的随机负采样计算优化损失，以克服大规模商品数带来的计算瓶颈。合成数据实验显示其负采样方式优于文献中的方法，并在 Fortenova Group 数百万笔交易数据集上完成训练与验证，可支持品类管理者的决策界面。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org