論文の概要: Keen2Act: Activity Recommendation in Online Social Collaborative Platforms

• arxiv url: http://arxiv.org/abs/2005.04833v1
• Date: Mon, 11 May 2020 02:00:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:55:45.149333
• Title: Keen2Act: Activity Recommendation in Online Social Collaborative Platforms
• Title（参考訳）: Keen2Act:オンラインソーシャルコラボレーションプラットフォームにおけるアクティビティ推奨
• Authors: Roy Ka-Wei Lee, Thong Hoang, Richard J. Oentaryo, David Lo
• Abstract要約: 本稿では,推薦問題をキーンとアクトという2つの段階に分解するキーン2Actを提案する。 次に、アクトステップは、指定されたアイテムセットで実行すべきアクティビティをユーザに推奨する。 提案手法を実世界の2つのデータセットを用いて評価し,有望な結果を得た。
• 参考スコア（独自算出の注目度）: 12.279689525302032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social collaborative platforms such as GitHub and Stack Overflow have been increasingly used to improve work productivity via collaborative efforts. To improve user experiences in these platforms, it is desirable to have a recommender system that can suggest not only items (e.g., a GitHub repository) to a user, but also activities to be performed on the suggested items (e.g., forking a repository). To this end, we propose a new approach dubbed Keen2Act, which decomposes the recommendation problem into two stages: the Keen and Act steps. The Keen step identifies, for a given user, a (sub)set of items in which he/she is likely to be interested. The Act step then recommends to the user which activities to perform on the identified set of items. This decomposition provides a practical approach to tackling complex activity recommendation tasks while producing higher recommendation quality. We evaluate our proposed approach using two real-world datasets and obtain promising results whereby Keen2Act outperforms several baseline models.
• Abstract（参考訳）: GitHubやStack Overflowといったソーシャルなコラボレーションプラットフォームは、コラボレーションによる作業の生産性向上にますます利用されている。 これらのプラットフォームにおけるユーザエクスペリエンスを改善するためには、ユーザに対してアイテム(GitHubリポジトリなど)だけでなく、推奨項目(リポジトリのフォークなど)で実行されるアクティビティを推奨できるレコメンデーションシステムを持つことが望ましい。 そこで我々は,Keen2Actと呼ばれる新たなアプローチを提案し,推奨問題をキーンとアクトという2つの段階に分解する。 Keenのステップは、あるユーザに対して、興味を持つ可能性のあるアイテムの(サブ)セットを特定する。 次にactステップは、特定されたアイテムセットで実行するアクティビティをユーザに推奨する。 この分解は、複雑なアクティビティレコメンデーションタスクに取り組むための実用的なアプローチを提供し、高いレコメンデーション品質を生み出す。 提案手法を実世界の2つのデータセットを用いて評価し,Keen2Actがいくつかのベースラインモデルより優れる有望な結果を得た。

関連論文リスト

• Adapting Job Recommendations to User Preference Drift with Behavioral-Semantic Fusion Learning [49.262407095098645]
  求人推薦システムは、オンライン求職における求職者と求職者の機会の整合に不可欠である。 ユーザは、雇用機会を継続的に確保するために、仕事の好みを調整する傾向があります。 セマンティック情報と行動情報の融合学習を通じてユーザの嗜好をモデル化するセッションベースフレームワークBISTROを提案する。
  論文  参考訳（メタデータ） (2024-06-24T14:38:04Z)
• 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)
• On component interactions in two-stage recommender systems [82.38014314502861]
  2段階のレコメンデータは、YouTube、LinkedIn、Pinterestなど、多くのオンラインプラットフォームで使用されている。 ランク付け器と評価器の相互作用が全体の性能に大きく影響していることが示される。 特に、Mixture-of-Expertsアプローチを用いて、アイテムプールの異なるサブセットに特化するように、ノミネータを訓練する。
  論文  参考訳（メタデータ） (2021-06-28T20:53:23Z)
• Dynamic Slate Recommendation with Gated Recurrent Units and Thompson Sampling [6.312395952874578]
  我々は,インターネットプラットフォームのユーザに対して,アイテムリストとしてslatesという,関連するコンテンツを推薦する問題を考える。 本稿では,インターネットプラットフォームとユーザ間のインタラクションの時系列に作用する変分ベイズ型リカレントニューラルネットレコメンデータシステムを提案する。 我々は,探索的レコメンデーション戦略が,同程度以上の欲望に対して有効であることを実験的に示す。
  論文  参考訳（メタデータ） (2021-04-30T15:16:35Z)
• Dual Metric Learning for Effective and Efficient Cross-Domain Recommendations [85.6250759280292]
  クロスドメインレコメンダーシステムは、消費者が異なるアプリケーションで有用なアイテムを識別するのを助けるためにますます価値があります。 既存のクロスドメインモデルは、通常、多くのオーバーラップユーザーを必要とするため、いくつかのアプリケーションでは取得が困難である。 本稿では,2つのドメイン間で情報を反復的に伝達する二元学習に基づく新しいクロスドメインレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-17T09:18:59Z)
• Learning Product Rankings Robust to Fake Users [15.570621284198019]
  多くのオンラインプラットフォームでは、顧客の決定は製品ランキングに大きく影響される。 これらのプラットフォームは、顧客の行動に対応する同じデータを使用して、これらの製品のランク付けや注文方法を学ぶ。 このような不正行為を動機として,実ユーザと偽ユーザの混在するプラットフォームにおけるランキング問題について検討する。
  論文  参考訳（メタデータ） (2020-09-10T20:26:02Z)
• Self-Supervised Reinforcement Learning for Recommender Systems [77.38665506495553]
  逐次リコメンデーションタスクのための自己指導型強化学習を提案する。 提案手法は,2つの出力層を持つ標準レコメンデーションモデルを強化する。 このようなアプローチに基づいて、自己監督型Q-ラーニング(SQN)と自己監督型アクター・クライブ(SAC)という2つのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T11:18:57Z)
• Exploration-Exploitation Motivated Variational Auto-Encoder for Recommender Systems [1.52292571922932]
  協調フィルタリングにおいて,エクスプロビテーション探索型変分自動エンコーダ(XploVAE)を導入する。 パーソナライズされたレコメンデーションを容易にするために、観測されたユーザとイテムのインタラクションを1次にキャプチャする、ユーザ固有のサブグラフを構築した。 階層的潜在空間モデルを用いて、各ユーザに対するパーソナライズされたアイテム埋め込みと、全ユーザサブグラフの人口分布を学習する。
  論文  参考訳（メタデータ） (2020-06-05T17:37:46Z)
• Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
  我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。 我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。 私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
  論文  参考訳（メタデータ） (2020-05-19T10:18:43Z)
• Empowering Active Learning to Jointly Optimize System and User Demands [70.66168547821019]
  我々は,アクティブラーニングシステムとユーザを協調的に(効率的に学習)するための,新しいアクティブラーニング手法を提案する。 本手法は,特定のユーザに対して,エクササイズの適切性を予測するために,学習を迅速かつ迅速に行う必要があるため,特に,この手法のメリットを生かした教育アプリケーションで研究する。 複数の学習戦略とユーザタイプを実際のユーザからのデータで評価し,代替手法がエンドユーザに適さない多くのエクササイズをもたらす場合,共同アプローチが両方の目標を満足できることを確認した。
  論文  参考訳（メタデータ） (2020-05-09T16:02:52Z)

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。