本文提出了两种可视化推荐系统，该系统可以自动为客厅家具配套筛选整个选择，以最大化配合效果和利用文本数据和多语言话题建模来推断风格。实验结果表明，从包括视觉和文本数据的产品集合中发现补充风格效果最好。

Jun, 2018

本文介绍了一种基于随机模型的实体零售中的空间需求分析方法，此模型能够有效地预测产品需求并通过深度强化学习自主学习最优的产品摆放策略。

Jan, 2020

我们设计了一种基于 Plackett Luce 的用户选择的快速算法，用于解决主动在线组合优化问题中的后悔最小化问题，并证明了该方法在实践中是有效的、最优的，并且没有现有方法的限制。

Feb, 2024

我们提出了一种基于上下文强化学习的联合组合和定价方法，该方法可以在零售业务中解决选品问题和定价问题，通过计算和真实案例研究证明了该方法的有效性。

Sep, 2023

利用大型语言模型增强的互动式商品组合规划框架 InteraSSort 通过与用户的互动对话，实现用户友好界面、定制化决策以及解决零售业务中商品组合规划问题的效果和潜力。

Nov, 2023

我们考虑了一种混合物优化问题，针对在线随机匹配的情况，我们提出了一种多项式时间近似算法，其近似比为至少 1-ln (2-1 /e) 或 0.51，并基于线性规划松弛进一步改进了以前的随机舍入方案。在一般的混合物问题中，我们建立了第一个常数因子近似比为 0.09 的情况，这种情况下不同类型的客户赋予不同价值，并建立了近似比为 0.15 的情况，即不同客户赋予每个项目相同的价值。

Aug, 2019

本文研究了长度为 T 的有限销售季节下的动态组合优化问题，其中包括了具有属性信息的产品的线性关系和上置信界 (UCB) 算法，并使用组合优化法进行了解决。

Oct, 2018

介绍了一种名为 PROFSET 的产品选择模型，可根据交叉销售潜力和零售商定义的限制选择最有趣的产品，对现有模型进行了重要的概括，以使其适用于超市数据，并使零售商能够将类别限制添加到模型中，利用比利时超市连锁店获得的真实世界数据开展的实验产生了非常有前途的结果，并证明了广义 PROFSET 模型的有效性。

Dec, 2001

在线市场与电子商务公司中，产品匹配是识别同一产品不同表示以提高可发现性、整理性和定价性的重要能力。我们在一个行业环境中提出了一个强大的多模态产品匹配系统，其中大规模的数据集、数据分布转移和未知领域带来了挑战。我们比较了不同的方法，并得出结论，通过预先训练的图像和文本编码器的相对简单的投影，通过对比学习进行训练，可以在成本和性能方面取得最新的结果。我们的解决方案优于单模态匹配系统和大规模预训练模型，例如 CLIP。此外，我们展示了如何将人机协作过程与基于模型的预测相结合，实现在生产系统中接近完美的精度。

Mar, 2024

该研究旨在引入先进的智能零售分析系统（SRAS）来应对零售业面临的挑战，包括低效的排队管理、需求预测不准确和无效的营销策略，并通过利用基于机器学习的创新方法来提高零售效率和增强客户参与度。

Feb, 2024