Fugu-MT 論文翻訳(概要): Personalized Recommender System for Children's Book Recommendation with A Realtime Interactive Robot

論文の概要: Personalized Recommender System for Children's Book Recommendation with A Realtime Interactive Robot

arxiv url: http://arxiv.org/abs/1710.00310v3
Date: Mon, 8 May 2023 07:53:08 GMT
ステータス: 処理完了
システム内更新日: 2023-05-10 02:27:18.563386
Title: Personalized Recommender System for Children's Book Recommendation with A Realtime Interactive Robot
Title（参考訳）: リアルタイム対話型ロボットを用いた児童書推薦のためのパーソナライズドレコメンデーションシステム
Authors: Yun Liu, Tianmeng Gao, Baolin Song, Chengwei Huang
Abstract要約: 本稿では,ベイジアンネットワークに基づくユーザ関心予測手法と,新しいフィードバック機構を提案する。提案システムは,計算資源が限られている組み込みコンシューマデバイス上で動作可能である。
参考スコア（独自算出の注目度）: 6.40156492668739
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we study the personalized book recommender system in a child-robot interactive environment. Firstly, we propose a novel text search algorithm using an inverse filtering mechanism that improves the efficiency. Secondly, we propose a user interest prediction method based on the Bayesian network and a novel feedback mechanism. According to children's fuzzy language input, the proposed method gives the predicted interests. Thirdly, the domain specific synonym association is proposed based on word vectorization, in order to improve the understanding of user intention. Experimental results show that the proposed recommender system has an improved performance and it can operate on embedded consumer devices with limited computational resources.
Abstract（参考訳）: 本稿では,児童ロボットの対話環境における書籍推薦システムについて検討する。まず,効率を向上させる逆フィルタリング機構を用いた新しいテキスト検索アルゴリズムを提案する。次に,ベイズネットワークに基づくユーザの関心度予測手法と新しいフィードバック機構を提案する。子どものファジィ言語入力によると、提案手法は予測された興味を与える。第3に、ユーザの意図の理解を深めるために、単語ベクトル化に基づくドメイン固有同義語結合を提案する。実験の結果,提案システムの性能が向上し,計算資源の少ない組み込みデバイス上で動作可能であることがわかった。

関連論文リスト

Algorithmic Drift: A Simulation Framework to Study the Effects of Recommender Systems on User Preferences [7.552217586057245]
本稿では,長期シナリオにおけるユーザ-リコメンダ間のインタラクションを模倣するシミュレーションフレームワークを提案する。本稿では,ユーザの嗜好に対するアルゴリズムの影響を定量化する2つの新しい指標について紹介する。
論文参考訳（メタデータ） (2024-09-24T21:54:22Z)
Deep Adaptive Interest Network: Personalized Recommendation with Context-Aware Learning [0.3495246564946556]
本稿では,Deep Adaptive Interest Network(DAIN)と呼ばれる新しいモデルを提案する。 DAINはユーザの興味を動的にモデル化し、コンテキスト認識学習機構を導入し、正確で適応的なパーソナライズされたレコメンデーションを実現する。いくつかの公開データセットで実施された実験は、DAINが推奨性能と計算効率の両方で優れていることを示した。
論文参考訳（メタデータ） (2024-09-04T04:12:22Z)
Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-06-28T03:28:15Z)
Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
論文参考訳（メタデータ） (2022-06-01T13:46:25Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文参考訳（メタデータ） (2021-11-06T10:47:45Z)
D2RLIR : an improved and diversified ranking function in interactive recommendation systems based on deep reinforcement learning [0.3058685580689604]
本稿では,アクタ・クリティカルアーキテクチャを用いた深層強化学習に基づく推薦システムを提案する。提案モデルでは,ユーザの嗜好に基づいて,多様かつ関連性の高いレコメンデーションリストを生成することができる。
論文参考訳（メタデータ） (2021-10-28T13:11:29Z)
PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文参考訳（メタデータ） (2021-06-05T01:33:21Z)
A Hybrid Approach to Enhance Pure Collaborative Filtering based on Content Feature Relationship [0.17188280334580192]
本稿では,自然言語処理領域であるWord2Vecから,コンテンツ特徴間の暗黙的な関係を抽出する手法を提案する。次に、関連性を利用してアイテムのベクトル表現を決定する新しいコンテンツベースレコメンデーションシステムを提案する。評価結果から,ユーザが選択した項目の選好を,純粋に協調的なフィルタリングと同等に予測できることが示唆された。
論文参考訳（メタデータ） (2020-05-17T02:20:45Z)
Reward Constrained Interactive Recommendation with Natural Language Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文参考訳（メタデータ） (2020-05-04T16:23:34Z)
A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文参考訳（メタデータ） (2020-02-12T15:59:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。