論文の概要: Multi-faceted Trust-based Collaborative Filtering
- arxiv url: http://arxiv.org/abs/2003.11445v1
- Date: Wed, 25 Mar 2020 15:27:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 03:48:52.116410
- Title: Multi-faceted Trust-based Collaborative Filtering
- Title（参考訳）: 多面的信頼に基づく協調フィルタリング
- Authors: Noemi Mauro, Liliana Ardissono and Zhongli Filippo Hu
- Abstract要約: 本稿では,ソーシャルリンクによって表現されるローカル信頼と,ソーシャルネットワークによって提供されるさまざまなグローバル信頼証拠を統合するための多面的信頼モデルを提案する。
Yelpは、ユーザ間の汎用的な友人関係を公開するが、異なるタイプの信頼フィードバックを提供する。
実験の結果、Yelpのデータセットでは、私たちのモデルはU2UCFと最先端の信頼ベースのレコメンデータの両方より優れています。
- 参考スコア（独自算出の注目度）: 4.640835690336653
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many collaborative recommender systems leverage social correlation theories
to improve suggestion performance. However, they focus on explicit relations
between users and they leave out other types of information that can contribute
to determine users' global reputation; e.g., public recognition of reviewers'
quality. We are interested in understanding if and when these additional types
of feedback improve Top-N recommendation. For this purpose, we propose a
multi-faceted trust model to integrate local trust, represented by social
links, with various types of global trust evidence provided by social networks.
We aim at identifying general classes of data in order to make our model
applicable to different case studies. Then, we test the model by applying it to
a variant of User-to-User Collaborative filtering (U2UCF) which supports the
fusion of rating similarity, local trust derived from social relations, and
multi-faceted reputation for rating prediction. We test our model on two
datasets: the Yelp one publishes generic friend relations between users but
provides different types of trust feedback, including user profile
endorsements. The LibraryThing dataset offers fewer types of feedback but it
provides more selective friend relations aimed at content sharing. The results
of our experiments show that, on the Yelp dataset, our model outperforms both
U2UCF and state-of-the-art trust-based recommenders that only use rating
similarity and social relations. Differently, in the LibraryThing dataset, the
combination of social relations and rating similarity achieves the best
results. The lesson we learn is that multi-faceted trust can be a valuable type
of information for recommendation. However, before using it in an application
domain, an analysis of the type and amount of available trust evidence has to
be done to assess its real impact on recommendation performance.
- Abstract（参考訳）: 多くのコラボレーティブレコメンデータシステムは、社会的相関理論を利用して提案性能を改善する。
しかし、ユーザ間の明示的な関係に注目し、レビュアーの品質を公に認識するなど、ユーザの世界的な評価を決定するのに役立つ他の種類の情報を除外する。
これらの追加的なフィードバックがTop-Nレコメンデーションを改善するのかどうか、いつなのかを理解することに興味があります。
そこで本稿では,ソーシャルリンクに代表される地域信頼と,ソーシャルネットワークが提供するさまざまなグローバル信頼証拠を統合するための多面的信頼モデルを提案する。
本研究の目的は,様々なケーススタディに適用できるように,データの一般的なクラスを特定することである。
次に,評価類似性,社会的信頼,評価予測のための多面的評価の融合を支援するu2ucf(user-to-user collaborative filtering)の変種に適用して,モデルをテストする。
yelp oneはユーザ間の一般的な友人関係を公開するが、ユーザプロファイルの承認を含むさまざまなタイプの信頼フィードバックを提供する。
LibraryThingデータセットは、より少ないタイプのフィードバックを提供するが、コンテンツ共有を目的としたより選択的な友人関係を提供する。
実験の結果、Yelpのデータセットでは、私たちのモデルは、評価類似性と社会的関係のみを使用する、U2UCFと最先端の信頼ベースの推奨者の両方より優れています。
LibraryThingのデータセットでは、社会的関係と評価の類似性の組み合わせが最良の結果をもたらす。
私たちが学んだ教訓は、複数面の信頼がレコメンデーションに有用な情報である、ということです。
しかし、アプリケーションドメインでそれを使用する前に、レコメンデーションパフォーマンスに対する実際の影響を評価するために、利用可能な信頼証拠の種類と量を分析する必要があります。
関連論文リスト
- Unbiased Learning to Rank with Query-Level Click Propensity Estimation: Beyond Pointwise Observation and Relevance [74.43264459255121]
現実のシナリオでは、ユーザーは複数の関連するオプションを調べた後、1つまたは2つの結果だけをクリックします。
本稿では,ユーザが異なる検索結果リストをクリックする確率を捉えるために,クエリレベルのクリック確率モデルを提案する。
本手法では,2次元逆重み付け機構を導入し,相対飽和度と位置偏差に対処する。
論文 参考訳（メタデータ） (2025-02-17T03:55:51Z) - Neural Collaborative Filtering Classification Model to Obtain Prediction Reliabilities [0.9749638953163389]
本稿では,評価予測と信頼性の両面から分類に基づくアプローチを提案する。
本稿では,提案したニューラルアーキテクチャを提案するとともに,その推奨結果の品質が,アートベースラインの状況に匹敵するものであることを検証する。
論文 参考訳（メタデータ） (2024-10-22T09:17:05Z) - A First Principles Approach to Trust-Based Recommendation Systems [4.833815605196965]
協調フィルタリング手法では,項目分類情報は他の情報種別よりも影響が大きいことを示す。
信頼グラフに基づくアプローチは、信頼構造が難しいため、ネットワークの敵攻撃に対してより堅牢であることが判明した。
論文 参考訳（メタデータ） (2024-06-17T05:23:00Z) - 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) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳（メタデータ） (2022-09-12T09:19:22Z) - Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。
本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。
我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
論文 参考訳（メタデータ） (2022-07-04T17:49:25Z) - Causal Disentanglement with Network Information for Debiased
Recommendations [34.698181166037564]
近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。
この設定における重要な課題は、隠れた共同設立者を説明することだ。
我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
論文 参考訳（メタデータ） (2022-04-14T20:55:11Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - Towards Time-Aware Context-Aware Deep Trust Prediction in Online Social
Networks [0.4061135251278187]
信頼は、情報ソースが信頼できるか、誰と共有すべきか、誰から情報を受け入れるべきかを決定する尺度として定義できる。
ソーシャルスパマー検出、フェイクニュース検出、リツイート行動検出、レコメンデーションシステムなど、オンラインソーシャルネットワーク(OSN)への信頼のためのいくつかのアプリケーションがある。
信頼予測は、現在接続されていない2人のユーザー間の新しい信頼関係を予測するプロセスである。
論文 参考訳（メタデータ） (2020-03-21T01:00:02Z)
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。