文献

J-GLOBAL ID：202202281472299869   整理番号：22A0862838

オンラインファッションで知らない時を知る:不確実性を意識したサイズ推薦フレームワーク【JST・京大機械翻訳】

Knowing When You Don’t Know in Online Fashion: An Uncertainty-Aware Size Recommendation Framework

著者 (4件)： Bahuleyan Hareesh (Zalando SE, Berlin, Germany) ,  Lasserre Julia (Zalando SE, Berlin, Germany) ,  Lefakis Leonidas (Zalando SE, Berlin, Germany) ,  Shirvany Reza (Zalando SE, Berlin, Germany)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 830  ページ： 33-48  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年のオンラインファッションでは,大規模データセットのアベイラビリティは,ファッションe-コマースプラットフォーム上の顧客を支援するためのデータ駆動アルゴリズム製品の成功を燃料とする。しばしば,これらのデータセットは暗黙的に収集され,主観的であり,専門家の注釈付きラベルを持たない。機械学習モデルを訓練するための矛盾のあるノイズのあるデータの使用は,それらの性能と一般化能力に潜在的に害を与える。本論文では,オンラインサイズと適合推薦システムの文脈内の不確実性定量化メトリックスを探索し,それらが雑音のあるインスタンスと主観的ラベルを取り扱うためにどのように使用できるかを示した。さらに,モンテカルロドロップアウト不確実性推定技術に基づく不確実性意識損失関数を提案した。サイズと適合推薦の挑戦的なドメイン内のスケールでの実データに関する実験を通して,著者らは複数の不確実性計量をベンチマークして,ノイズの存在における訓練のために提案した方式の有効性を実証した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  損失関数 ,  データ ,  *ファッション ,  *不確実性 ,  アベイラビリティ ,  モデル ,  ベンチマーク ,  機械学習 ,  アノテーション
準シソーラス用語： 推奨システム ,  *オンライン ,  データ駆動 ,  大規模データセット , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： オンライン ,  ファッション ,  不確実性 ,  意識 ,  サイズ ,  推薦 ,  フレームワーク