EVOLVING MULTI-OBJECTIVE RANKING MODELS FOR GROSS MERCHANDISE VALUE OPTIMIZATION IN E-COMMERCE

• Main Authors: ANANTHRAM, Akhila, STANTON, Andrew
• Format: Patent
• Language: English; French
• Published: 12.08.2021
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES; ELECTRIC DIGITAL DATA PROCESSING; PHYSICS; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR

An enhanced ranking approach is used to evaluate selected metrics for various services, including search and recommendations for online marketplaces and other search engine-related applications. This includes a ranking system capable of learning neural networks which efficiently tradeoff between different business objectives. For instance, a hybridized ranking system combines the strength of relevancy focused models with the flexibility of ES via ensembling to solve multi-objective ranking problems. Une approche de classement améliorée est utilisée pour évaluer des mesures sélectionnées pour divers services, y compris la recherche et les recommandations pour des marchés en ligne et d'autres applications associées au moteur de recherche. Ceci comprend un système de classement apte à apprendre des réseaux neuronaux qui négocient efficacement entre différents objectifs commerciaux. Par exemple, un système de classement hybridé combine l'intensité de modèles focalisés sur la pertinence avec la flexibilité de l'ES par l'intermédiaire de l'assemblage afin de résoudre des problèmes de classement à objectifs multiples.