标签
本文介绍了一种可扩展的方法，利用受限Logit建模在大规模商品集合中估计需求转移（DT）系数，从而改进商店品类优化中的需求预测。实验表明，当替代行为假设成立时，该方法能够准确估计DT系数。
提出了一种基于引导离散扩散的模型无关品类优化框架，将品类表示为二进制向量，并使用奖励引导的逆向扩散来避免组合枚举。展示了在高维场景下的鲁棒性和高质量解决方案。
本文提出了一个针对带面板数据的Markov Chain选择模型的框架，包括利用偏序偏好信息的新型EM算法进行估计、个性化选择预测以及分类优化。在合成数据和sushi数据集上的实验结果表明，相比传统方法有显著改进。