論文の概要: On the effectiveness of convolutional autoencoders on image-based
personalized recommender systems
- arxiv url: http://arxiv.org/abs/2003.06205v1
- Date: Fri, 13 Mar 2020 11:19:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 00:54:56.598349
- Title: On the effectiveness of convolutional autoencoders on image-based
personalized recommender systems
- Title（参考訳）: イメージベースパーソナライズドレコメンダシステムにおける畳み込みオートエンコーダの有効性について
- Authors: E. Blanco-Mallo, B. Remeseiro, V. Bol\'on-Canedo, A. Alonso-Betanzos
- Abstract要約: 本稿では,ユーザの嗜好をモデル化するための情報源として画像を利用する可能性について検討する。
畳み込みオートエンコーダを特徴抽出器として用い,パーソナライズされたレコメンデーションを得る画像ベース分類システムを提案する。
提案アーキテクチャはTripAdvisorのデータに適用され,ユーザ,レストラン,利用者が撮影した画像のトリドとして定義できるユーザレビューを利用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recommender systems (RS) are increasingly present in our daily lives,
especially since the advent of Big Data, which allows for storing all kinds of
information about users' preferences. Personalized RS are successfully applied
in platforms such as Netflix, Amazon or YouTube. However, they are missing in
gastronomic platforms such as TripAdvisor, where moreover we can find millions
of images tagged with users' tastes. This paper explores the potential of using
those images as sources of information for modeling users' tastes and proposes
an image-based classification system to obtain personalized recommendations,
using a convolutional autoencoder as feature extractor. The proposed
architecture will be applied to TripAdvisor data, using users' reviews that can
be defined as a triad composed by a user, a restaurant, and an image of it
taken by the user. Since the dataset is highly unbalanced, the use of data
augmentation on the minority class is also considered in the experimentation.
Results on data from three cities of different sizes (Santiago de Compostela,
Barcelona and New York) demonstrate the effectiveness of using a convolutional
autoencoder as feature extractor, instead of the standard deep features
computed with convolutional neural networks.
- Abstract（参考訳）: リコメンダシステム(RS)は,特にビッグデータの出現以降,ユーザの嗜好に関するあらゆる情報を格納できるようになっている。
パーソナライズされたrsはnetflix、amazon、youtubeなどのプラットフォームでうまく適用できる。
しかし、TripAdvisorのような胃科のプラットフォームには欠けている。
本稿では,ユーザの嗜好をモデル化するための情報源としてこれらの画像を利用する可能性について検討し,畳み込みオートエンコーダを特徴抽出器として用い,パーソナライズされたレコメンデーションを得るためのイメージベース分類システムを提案する。
提案するアーキテクチャはtripadvisorデータに適用され、ユーザ、レストラン、ユーザが撮影したイメージからなるトライアドとして定義可能なユーザのレビューを使用する。
データセットは高度にバランスが取れないため、マイノリティクラスにおけるデータ拡張の使用も実験において考慮される。
異なる大きさの3つの都市(サンティアゴ・デ・コンポステーラ、バルセロナ、ニューヨーク)のデータによる結果は、畳み込みニューラルネットワークで計算される標準的な深い特徴の代わりに、畳み込みオートエンコーダを特徴抽出器として使用する効果を示す。
関連論文リスト
- Knowledge-Enhanced Recommendation with User-Centric Subgraph Network [38.814514460928386]
本稿では,知識強化型ユーザ中心サブグラフネットワーク(KUCNet)を効果的に推奨する。
KUCNetはグラフニューラルネットワーク(GNN)を用いたグラフ学習アプローチで、効果的な推奨を行う。
提案手法は,特に新しい項目に対する精度,効率,解釈可能なレコメンデーションを実現する。
論文 参考訳（メタデータ） (2024-03-21T13:09:23Z) - Learning User Embeddings from Human Gaze for Personalised Saliency Prediction [12.361829928359136]
本稿では,自然画像のペアと対応する相性マップからユーザ埋め込みを抽出する新しい手法を提案する。
提案手法のコアとなるのは,異なるユーザのイメージと個人満足度マップのペアを対比することにより,ユーザの埋め込みを学習する,シームズ畳み込みニューラルエンコーダである。
論文 参考訳（メタデータ） (2024-03-20T14:58:40Z) - Raising the Bar of AI-generated Image Detection with CLIP [50.345365081177555]
本研究の目的は、AI生成画像の普遍的検出のための事前学習された視覚言語モデル(VLM)の可能性を探ることである。
我々は,CLIP機能に基づく軽量な検出戦略を開発し,その性能を様々な難易度シナリオで検証する。
論文 参考訳（メタデータ） (2023-11-30T21:11:20Z) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - ConfounderGAN: Protecting Image Data Privacy with Causal Confounder [85.6757153033139]
本稿では,GAN(Generative Adversarial Network)のConfounderGANを提案する。
実験は、3つの自然なオブジェクトデータセットと3つの医療データセットからなる6つの画像分類データセットで実施される。
論文 参考訳（メタデータ） (2022-12-04T08:49:14Z) - Deep ensembles in bioimage segmentation [74.01883650587321]
本研究では,畳み込みニューラルネットワーク(CNN)のアンサンブルを提案する。
アンサンブル法では、多くの異なるモデルが訓練され、分類に使用され、アンサンブルは単一分類器の出力を集約する。
提案するアンサンブルは,DeepLabV3+とHarDNet環境を用いて,異なるバックボーンネットワークを組み合わせることで実現されている。
論文 参考訳（メタデータ） (2021-12-24T05:54:21Z) - URIR: Recommendation algorithm of user RNN encoder and item encoder
based on knowledge graph [11.453995744951497]
本研究では、知識グラフ(URIR)に基づくユーザリカレントニューラルネットワーク(RNN)エンコーダとアイテムエンコーダ推薦アルゴリズムを提案する。
3つの実世界のデータセットに関する数値実験により、データセットRはAUC、Precision、Recall、MRRなどの指標における最先端アルゴリズムよりも優れた性能を示している。
論文 参考訳（メタデータ） (2021-11-01T07:28:11Z) - Reconciliation of Statistical and Spatial Sparsity For Robust Image and
Image-Set Classification [27.319334479994787]
分類のための画像や画像セットデータをモデル化するために,textitJ3Sと呼ばれる新しい統計空間スパース表現を提案する。
本稿では,J3Sモデルに基づく結合スパース符号化問題の解法を提案する。
実験の結果,提案手法はFMD, UIUC, ETH-80, YTCデータベース上での競合手法よりも高い性能を示した。
論文 参考訳（メタデータ） (2021-06-01T06:33:24Z) - Pose-Guided High-Resolution Appearance Transfer via Progressive Training [65.92031716146865]
前例のない画像解像度で、所定の参照外観をターゲットポーズに転送するためのポーズ誘導型外観伝達ネットワークを提案する。
我々のネットワークは、局所的な知覚喪失や局所的な識別など、密集した局所記述子を用いて詳細を精査する。
我々のモデルは高品質な画像を生成し、人間の衣服の移動などの有用な応用にさらに活用することができる。
論文 参考訳（メタデータ） (2020-08-27T03:18:44Z) - Adversarial Learning for Personalized Tag Recommendation [61.76193196463919]
大規模データセットでトレーニング可能なエンドツーエンドのディープネットワークを提案する。
ユーザの嗜好と視覚的エンコーディングの合同トレーニングにより、ネットワークは視覚的嗜好をタグ付け行動と効率的に統合することができる。
本稿では,提案モデルの有効性を2つの大規模および公開データセットで示す。
論文 参考訳（メタデータ） (2020-04-01T20:41:41Z)
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。