論文の概要: CHAMELEON: A Deep Learning Meta-Architecture for News Recommender Systems [Phd. Thesis]

• arxiv url: http://arxiv.org/abs/2001.04831v1
• Date: Sun, 29 Dec 2019 13:40:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 07:47:23.456798
• Title: CHAMELEON: A Deep Learning Meta-Architecture for News Recommender Systems [Phd. Thesis]
• Title（参考訳）: CHAMELEON:ニュースレコメンダシステムのためのディープラーニングメタアーキテクチャ [博士論文]
• Authors: Gabriel de Souza Pereira Moreira
• Abstract要約: CHAMELEONは、ニュースレコメンデーションの課題に取り組むために設計されたディープラーニングメタアーキテクチャである。 モジュラー参照アーキテクチャで構成されており、異なるニューラルビルディングブロックを使用してインスタンス化することができる。 2つの大きなデータセットを用いて行った実験は、ニュースレコメンデーションにおけるCHAMELEONの有効性を示した。
• 参考スコア（独自算出の注目度）: 0.43512163406551996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender Systems (RS) have became a popular research topic and, since 2016, Deep Learning methods and techniques have been increasingly explored in this area. News RS are aimed to personalize users experiences and help them discover relevant articles from a large and dynamic search space. The main contribution of this research was named CHAMELEON, a Deep Learning meta-architecture designed to tackle the specific challenges of news recommendation. It consists of a modular reference architecture which can be instantiated using different neural building blocks. As information about users' past interactions is scarce in the news domain, the user context can be leveraged to deal with the user cold-start problem. Articles' content is also important to tackle the item cold-start problem. Additionally, the temporal decay of items (articles) relevance is very accelerated in the news domain. Furthermore, external breaking events may temporally attract global readership attention, a phenomenon generally known as concept drift in machine learning. All those characteristics are explicitly modeled on this research by a contextual hybrid session-based recommendation approach using Recurrent Neural Networks. The task addressed by this research is session-based news recommendation, i.e., next-click prediction using only information available in the current user session. A method is proposed for a realistic temporal offline evaluation of such task, replaying the stream of user clicks and fresh articles being continuously published in a news portal. Experiments performed with two large datasets have shown the effectiveness of the CHAMELEON for news recommendation on many quality factors such as accuracy, item coverage, novelty, and reduced item cold-start problem, when compared to other traditional and state-of-the-art session-based recommendation algorithms.
• Abstract（参考訳）: レコメンダシステム(rs)は一般的な研究テーマとなり、2016年以降、この分野ではディープラーニングの手法やテクニックがますます研究されている。 news rsはユーザー体験をパーソナライズすることを目的としており、大規模でダイナミックな検索空間から関連記事を見つけるのに役立つ。 この研究の主な貢献は、ニュースレコメンデーションの特定の課題に取り組むために設計されたディープラーニングメタアーキテクチャであるCHAMELEONである。 モジュラー参照アーキテクチャで構成されており、異なるニューラルビルディングブロックを使用してインスタンス化することができる。 ニュースドメインでは,過去のインタラクションに関する情報が乏しいため,ユーザのコールドスタート問題に対処するためにユーザコンテキストを活用することができる。 記事の内容は、アイテムコールドスタート問題に取り組む上でも重要である。 さらに、ニュース領域では、項目(記事)の時間的減衰が非常に加速される。 さらに、外部の破壊イベントは、一般的に機械学習の概念ドリフトとして知られる、グローバルな読者の注意を引き付ける可能性がある。 これらの特徴はすべて、リカレントニューラルネットワークを用いたコンテキストハイブリッドセッションベースレコメンデーションアプローチによって、この研究に基づいて明確にモデル化されている。 本研究の課題は、セッションベースのニュースレコメンデーション、すなわち、現在のユーザセッションで利用可能な情報のみを用いた次クリック予測である。 ユーザクリックのストリームを再生し,ニュースポータルに新たな記事が継続的に掲載されるという,現実的な時間的オフライン評価手法を提案する。 2つの大きなデータセットを用いて行った実験では、従来のセッションベースの推薦アルゴリズムと比較して、正確性、項目カバレッジ、新規性、アイテムコールトスタート問題などの多くの品質要因において、ニュースレコメンデーションに対するCHAMELEONの有効性が示されている。

関連論文リスト

• Dual Intent Enhanced Graph Neural Network for Session-based New Item Recommendation [74.81561396321712]
  セッションベースレコメンデーションのためのデュアルインテント拡張グラフニューラルネットワークを提案する。 我々は,注意機構と履歴データの分布からユーザ意図を学習する。 対応する項目のレコメンデーションスコアを含む新項目確率を出力することにより、より高いスコアを持つ新項目をユーザに推奨する。
  論文  参考訳（メタデータ） (2023-05-10T02:42:12Z)
• DOR: A Novel Dual-Observation-Based Approach for News Recommendation Systems [2.7648976108201815]
  本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。 我々のアプローチは二重観測の考え方に基づいている。 ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
  論文  参考訳（メタデータ） (2023-02-02T22:16:53Z)
• Incorporating Relevance Feedback for Information-Seeking Retrieval using Few-Shot Document Re-Ranking [56.80065604034095]
  我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。 異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
  論文  参考訳（メタデータ） (2022-10-19T16:19:37Z)
• Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
  既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。 我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。 我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
  論文  参考訳（メタデータ） (2022-06-26T12:07:56Z)
• Positive, Negative and Neutral: Modeling Implicit Feedback in Session-based News Recommendation [13.905580921329717]
  本稿では,肯定的なフィードバックと否定的なフィードバックを通じて,ユーザの振る舞いをモデル化する包括的フレームワークを提案する。 フレームワークは、セッション開始時間と、最初の公開時間を使った記事を使って、暗黙的にユーザーをモデル化する。 3つの実世界のニュースデータセットに対する実証的な評価は、フレームワークの有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-05-12T12:47:06Z)
• Reinforcement Learning based Path Exploration for Sequential Explainable Recommendation [57.67616822888859]
  強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。 TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。 2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2021-11-24T04:34:26Z)
• Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
  コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。 メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。 MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
  論文  参考訳（メタデータ） (2021-10-18T08:11:24Z)
• Aspect-driven User Preference and News Representation Learning for News Recommendation [9.187076140490902]
  ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。 本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:38:54Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• CSRN: Collaborative Sequential Recommendation Networks for News Retrieval [26.852710435482997]
  ニュースアプリが紙ベースのメディアの人気を引き継ぎ、パーソナライゼーションの絶好の機会となった。 リカレントニューラルネットワーク(RNN)ベースのシーケンシャルレコメンデーションは、ユーザの最近のブラウジング履歴を利用して将来のアイテムを予測する一般的なアプローチである。 本稿では、RNNに基づくシーケンシャルレコメンデーションとUserCFのキーアイデアを統合するためのディープニューラルネットワークのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-07T13:25:21Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。