論文の概要: Utilizing FastText for Venue Recommendation
- arxiv url: http://arxiv.org/abs/2005.12982v1
- Date: Thu, 14 May 2020 14:57:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 05:31:35.091002
- Title: Utilizing FastText for Venue Recommendation
- Title（参考訳）: FastText を利用したVenue Recommendation
- Authors: Makbule Gulcin Ozsoy
- Abstract要約: チェックインのシーケンシャル性を利用してトップk会場を推薦する手法を提案する。
提案手法は,チェックインのグループを作成し,会場のベクトル空間表現を学習し,学習した埋め込みを利用して会場推薦を行う。
- 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: Venue recommendation systems model the past interactions (i.e., check-ins) of
the users and recommend venues. Traditional recommendation systems employ
collaborative filtering, content-based filtering or matrix factorization.
Recently, vector space embedding and deep learning algorithms are also used for
recommendation. In this work, I propose a method for recommending top-k venues
by utilizing the sequentiality feature of check-ins and a recent vector space
embedding method, namely the FastText. Our proposed method; forms groups of
check-ins, learns the vector space representations of the venues and utilizes
the learned embeddings to make venue recommendations. I measure the performance
of the proposed method using a Foursquare check-in dataset.The results show
that the proposed method performs better than the state-of-the-art methods.
- Abstract（参考訳）: ベニューレコメンデーションシステムは、過去のユーザのインタラクション(チェックイン)をモデル化し、会場を推薦する。
従来のレコメンデーションシステムは協調フィルタリング、コンテンツベースのフィルタリング、マトリックス因子化を用いる。
近年,ベクトル空間埋め込みやディープラーニングアルゴリズムも推奨されている。
本研究では,チェックインの逐次性機能と最近のベクトル空間埋め込み,すなわちFastTextを利用して,トップk会場を推薦する手法を提案する。
提案手法はチェックインのグループを形成し,会場のベクトル空間表現を学習し,学習した埋め込みを利用して会場推薦を行う。
Foursquareチェックインデータセットを用いて提案手法の性能を測定し,提案手法が最先端手法よりも優れていることを示す。
関連論文リスト
- End-to-End Learnable Item Tokenization for Generative Recommendation [51.82768744368208]
本稿では,アイテムのトークン化と生成レコメンデーションをシームレスに統合した,新しいエンドツーエンド生成レコメンダであるETEGRecを提案する。
本フレームワークは、アイテムトークン化器と生成レコメンデータで構成されるデュアルエンコーダデコーダアーキテクチャに基づいて開発されている。
論文 参考訳（メタデータ） (2024-09-09T12:11:53Z) - CF Recommender System Based on Ontology and Nonnegative Matrix Factorization (NMF) [0.0]
この作業は、レコメンダシステムのデータ空間と精度の問題に対処する。
実装されたアプローチは、CF提案の空白度を効果的に削減し、その正確性を改善し、より関連性の高い項目を推奨する。
論文 参考訳（メタデータ） (2024-05-31T14:50:53Z) - Text Matching Improves Sequential Recommendation by Reducing Popularity
Biases [48.272381505993366]
TASTEは、アイテムの識別子と属性を使用して、アイテムとユーザとイテムのインタラクションを言語化する。
実験の結果,TASTEはシーケンシャルレコメンデーションデータセットにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-08-27T07:44:33Z) - Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。
研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Editable User Profiles for Controllable Text Recommendation [66.00743968792275]
制御可能なテキストレコメンデーションのための新しい概念値ボトルネックモデル LACE を提案する。
LACEは、人間の読みやすい概念の簡潔なセットで各ユーザーを表現する。
ユーザ文書に基づいて概念のパーソナライズされた表現を学習する。
論文 参考訳（メタデータ） (2023-04-09T14:52:18Z) - GHRS: Graph-based Hybrid Recommendation System with Application to Movie
Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。
オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。
The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文 参考訳（メタデータ） (2021-11-06T10:47:45Z) - Embedding Ranking-Oriented Recommender System Graphs [10.74267520911262]
グラフベースのランキング指向推薦フレームワークであるPGRecを提案する。
提案手法の性能評価を行った結果,異なるMovieLensデータセットのNDCG@10において,PGRecはベースラインアルゴリズムよりも3.2%高い性能を示した。
論文 参考訳（メタデータ） (2020-07-31T16:56:54Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳（メタデータ） (2020-05-04T16:23:34Z) - Recommendation system using a deep learning and graph analysis approach [1.2183405753834562]
本稿では,行列係数化とグラフ解析に基づく新しい推薦手法を提案する。
さらに,ディープオートエンコーダを利用してユーザやアイテムの潜伏要因を初期化し,ディープ埋め込み手法によってユーザの潜伏要因をユーザ信頼グラフから収集する。
論文 参考訳（メタデータ） (2020-04-17T08:05:33Z) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。