首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

零售行业:数据赋能门店数据化管理

零售行业是非常古老的行业之一,百科定义是:直接将商品或服务销售给个人消费者或最终消费者的商业活动,是商品或服务从流通领域进入消费领域的最后环节。以物易物的时代可以说是零售业态的雏形,市场经济模式跑通后,零售行业也进入了成熟期。阿里在前几年提出了新零售的概念,即企业以互联网为依托,通过运用大数据、人工智能等先进技术手段,对商品的生产、流通与销售过程进行升级改造,进而重塑业态结构与生态圈,并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。对于这样历史悠久的行业来说,与数据的结合后,又将迸发出哪些火花呢,数据可以在零售行业数字化转型的过程中,发挥什么价值呢。

02

KDD23 | 基于Transformer的实时用户行为推荐模型

针对下一步动作预测对用户活动进行编码的顺序模型,已经成为构建网页规模个性化推荐系统的热门设计选择。传统的顺序推荐方法要么在实时用户行为上进行端到端学习,要么以离线批量生成的方式单独学习用户表示。本文(1)介绍了Pinterest的Homefeed排名架构,这是我们的个性化推荐产品,也是最大的参与面;(2)提出了TransAct,一个从用户实时活动中提取用户短期偏好的顺序模型;(3)描述了我们的混合排名方法,该方法结合了通过TransAct进行的端到端顺序建模和批量生成的用户嵌入。混合方法使我们能够将直接从实时用户活动中学习的响应性优势与批量用户表示的成本效益结合起来,后者是在较长时间内学习的。我们描述了消融研究的结果,我们在产品化过程中遇到的挑战,以及在线A/B实验的结果,这证实了我们的混合排名模型的有效性。我们进一步展示了TransAct在其他表面,如情境推荐和搜索中的有效性。

03
领券