論文の概要: Personalized Recommendation of PoIs to People with Autism
- arxiv url: http://arxiv.org/abs/2004.12733v1
- Date: Mon, 27 Apr 2020 12:04:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 06:06:44.228350
- Title: Personalized Recommendation of PoIs to People with Autism
- Title（参考訳）: 自閉症者に対するPoIのパーソナライズされた勧告
- Authors: Noemi Mauro, Liliana Ardissono and Federica Cena
- Abstract要約: ユーザの慣用的嫌悪感と彼女/彼の好みをパーソナライズするTop-Nレコメンデーションモデルを提案する。
ASDと"ニューロタイプ"の両方でモデルをテストしました。
- 参考スコア（独自算出の注目度）: 5.052126684056964
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The suggestion of Points of Interest to people with Autism Spectrum Disorder
(ASD) challenges recommender systems research because these users' perception
of places is influenced by idiosyncratic sensory aversions which can mine their
experience by causing stress and anxiety. Therefore, managing individual
preferences is not enough to provide these people with suitable
recommendations. In order to address this issue, we propose a Top-N
recommendation model that combines the user's idiosyncratic aversions with
her/his preferences in a personalized way to suggest the most compatible and
likable Points of Interest for her/him. We are interested in finding a
user-specific balance of compatibility and interest within a recommendation
model that integrates heterogeneous evaluation criteria to appropriately take
these aspects into account. We tested our model on both ASD and "neurotypical"
people. The evaluation results show that, on both groups, our model outperforms
in accuracy and ranking capability the recommender systems based on item
compatibility, on user preferences, or which integrate these two aspects by
means of a uniform evaluation model.
- Abstract（参考訳）: 自閉症スペクトラム障害(ASD)患者に対する関心のポイントの提案は、ストレスや不安を引き起こすことで自らの経験をマイニングできる慣用性感覚障害の影響を受け、システム研究を推奨するものである。
したがって、個々の好みを管理するだけでは、これらの人々に適切な推奨を与えるには不十分である。
この問題に対処するため,我々は,ユーザの慣用的嫌悪感と自身の好みを組み合わせるトップnレコメンデーションモデルを提案する。
我々は、これらの側面を適切に考慮するために異種評価基準を統合するレコメンデーションモデルの中で、ユーザ固有の互換性と関心のバランスを見つけることに興味がある。
ASDと"ニューロタイプ"の両方でモデルをテストしました。
評価結果は,両グループとも,商品の適合性,ユーザの嗜好,あるいはこれら2つの側面を一様評価モデルにより統合したレコメンダシステムにおいて,精度とランキング能力に優れていたことを示す。
関連論文リスト
- ComPO: Community Preferences for Language Model Personalization [122.54846260663922]
ComPOは、言語モデルにおける好みの最適化をパーソナライズする手法である。
ComPRedはRedditからコミュニティレベルの好みを持った質問応答データセットです。
論文 参考訳（メタデータ） (2024-10-21T14:02:40Z) - Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。
提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。
特に、コメント視聴時間の4.13%が大幅に向上した。
論文 参考訳（メタデータ） (2024-03-20T13:14:29Z) - Separating and Learning Latent Confounders to Enhancing User Preferences Modeling [6.0853798070913845]
我々は、推薦のための新しいフレームワーク、SLFR(Separating and Learning Latent Confounders for Recommendation)を提案する。
SLFRは、未測定の共同設立者の表現を取得し、ユーザ嗜好と未測定の共同設立者を遠ざけ、反実的なフィードバックを識別する。
5つの実世界のデータセットで実験を行い、本手法の利点を検証した。
論文 参考訳（メタデータ） (2023-11-02T08:42:50Z) - Justification of Recommender Systems Results: A Service-based Approach [4.640835690336653]
本稿では,サービスモデルを用いて商品とのインタラクションのすべての段階に関するレビューから経験データを抽出する,新たな正当化手法を提案する。
ユーザスタディでは,提案手法を,推奨システムの結果の正当性を反映したベースラインと比較した。
我々のモデルは、好奇心のレベルが異なるユーザや、認知の必要度(NfC)の低いユーザによって、より高いインタフェース適合度と満足度の評価を受けた。
これらの知見は、推薦システムの結果を正当化するためのサービスモデルの導入を奨励するが、多様なインタラクションニーズに適合するパーソナライズ戦略の調査を推奨する。
論文 参考訳（メタデータ） (2022-11-07T11:08:19Z) - Experiments on Generalizability of User-Oriented Fairness in Recommender
Systems [2.0932879442844476]
公正を意識した推薦システムは、異なるユーザーグループを同様に扱うことを目的としている。
本稿では,ユーザ中心の公平度を再評価するフレームワークを提案する。
我々は、ユーザ(NDCGなど)とアイテム(新規性、アイテムフェアネスなど)の両方から、フレームワークの再ランク付けによる最終的なレコメンデーションを評価する。
論文 参考訳（メタデータ） (2022-05-17T12:36:30Z) - Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。
具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
論文 参考訳（メタデータ） (2022-04-29T19:13:23Z) - 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) - Deep Causal Reasoning for Recommendations [47.83224399498504]
推薦システム研究の新たなトレンドは、共同創設者の影響を因果的観点から否定することである。
提案手法は多因性マルチアウトカム(MCMO)推論問題としてモデル化する。
MCMOモデリングは,高次元因果空間に付随する観測が不十分なため,高いばらつきをもたらす可能性があることを示す。
論文 参考訳（メタデータ） (2022-01-06T15:00:01Z) - 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) - Enabling the Analysis of Personality Aspects in Recommender Systems [0.0]
既存のレコメンデーションシステムは、ユーザーからのフィードバック、例えば評価、類似したユーザーを検出するための一般的な項目に対するレビューの活用に重点を置いている。
我々はこの問題を,共通項目に対するフィードバックのないデータスパシティ (DSW-n-FCI) と呼んでいる。
ユーザの個性タイプを,ユーザの負担なく暗黙的に識別し,ユーザの個人的関心や知識レベルとともに取り入れる。
論文 参考訳（メタデータ） (2020-01-07T23:02:07Z)
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。