論文の概要: An Exploratory Study of Hierarchical Fuzzy Systems Approach in
Recommendation System
- arxiv url: http://arxiv.org/abs/2005.14026v1
- Date: Wed, 27 May 2020 09:01:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 09:06:08.676021
- Title: An Exploratory Study of Hierarchical Fuzzy Systems Approach in
Recommendation System
- Title(参考訳): 推薦システムにおける階層型ファジィシステムアプローチの探索的研究
- Authors: Tajul Rosli Razak, Iman Hazwam Abd Halim, Muhammad Nabil Fikri
Jamaludin, Mohammad Hafiz Ismail, Shukor Sanim Mohd Fauzi
- Abstract要約: Fuzzy Logic System (FLSs) はレコメンデーションシステムのモデル化に使用可能なアプローチの1つである。
この問題を解決する効果的な方法は階層ファジィシステム(HFS)を使用することである。
- 参考スコア(独自算出の注目度): 0.7349727826230862
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recommendation system or also known as a recommender system is a tool to help
the user in providing a suggestion of a specific dilemma. Thus, recently, the
interest in developing a recommendation system in many fields has increased.
Fuzzy Logic system (FLSs) is one of the approaches that can be used to model
the recommendation systems as it can deal with uncertainty and imprecise
information. However, one of the fundamental issues in FLS is the problem of
the curse of dimensionality. That is, the number of rules in FLSs is increasing
exponentially with the number of input variables. One effective way to overcome
this problem is by using Hierarchical Fuzzy System (HFSs). This paper aims to
explore the use of HFSs for Recommendation system. Specifically, we are
interested in exploring and comparing the HFS and FLS for the Career path
recommendation system (CPRS) based on four key criteria, namely topology, the
number of rules, the rules structures and interpretability. The findings
suggested that the HFS has advantages over FLS towards improving the
interpretability models, in the context of a recommendation system example.
This study contributes to providing an insight into the development of
interpretable HFSs in the Recommendation systems.
- Abstract(参考訳): レコメンデーションシステム(Recommendation system)またはレコメンデーションシステム(Recommendation system)は、ユーザが特定のジレンマを提案するのを助けるツールである。
このように、近年、多くの分野でレコメンデーションシステムの開発への関心が高まっている。
Fuzzy Logic System (FLSs) は、不確実性と不正確な情報を扱えるようにレコメンデーションシステムをモデル化するためのアプローチの1つである。
しかし、FLSの基本的な問題のひとつは、次元の呪いの問題である。
つまり、FLSのルール数は入力変数の数とともに指数関数的に増えている。
この問題を解決する効果的な方法は階層ファジィシステム(HFS)を使用することである。
本稿では,レコメンデーションシステムにおけるHFSの利用について検討する。
具体的には,4つの重要な基準(トポロジー,ルール数,ルール構造,解釈可能性)に基づいて,キャリアパス推薦システム(cprs)のhfsとflsを探索・比較することに関心がある。
これらの結果から,HFS は解釈可能性モデルの改善に FLS よりも優位性があることが示唆された。
本研究では,レコメンデーションシステムにおける解釈可能なHFSの開発に関する知見を提供する。
関連論文リスト
- Mirror Gradient: Towards Robust Multimodal Recommender Systems via
Exploring Flat Local Minima [54.06000767038741]
フラットローカルミニマの新しい視点からマルチモーダルリコメンデータシステムの解析を行う。
我々はミラーグラディエント(MG)と呼ばれる簡潔で効果的な勾配戦略を提案する。
提案したMGは、既存の堅牢なトレーニング手法を補完し、多様な高度なレコメンデーションモデルに容易に拡張できることが判明した。
論文 参考訳(メタデータ) (2024-02-17T12:27:30Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [83.90471827695625]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z) - A Survey on Large Language Models for Recommendation [80.01023231943205]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。
本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
論文 参考訳(メタデータ) (2023-05-31T13:51:26Z) - A Comparative Analysis of Bias Amplification in Graph Neural Network
Approaches for Recommender Systems [0.0]
バイアス増幅問題はこれらのアルゴリズムを用いて検討する必要がある。
本稿では,GNNに基づく異なるアルゴリズムのバイアスに対する振る舞いの文献レビューと分析を通じて,この問題を包括的に研究することを目的とする。
論文 参考訳(メタデータ) (2023-01-18T16:29:05Z) - Literature Review of the Recent Trends and Applications in various Fuzzy
Rule based systems [0.0]
ファジィ規則に基づくシステム (FRBS) は、言語ファジィ変数を前駆体として使用する規則に基づくシステムである。
FRBSは不確実性表現、多数の規則、解釈可能性損失、学習の計算時間などの多くの欠点に悩まされている。
論文 参考訳(メタデータ) (2022-09-15T09:49:17Z) - Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。
本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。
従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文 参考訳(メタデータ) (2022-07-04T17:58:39Z) - Supervised Advantage Actor-Critic for Recommender Systems [76.7066594130961]
本稿では、RL成分を学習するための負のサンプリング戦略を提案し、それを教師付き逐次学習と組み合わせる。
サンプル化された(負の)作用 (items) に基づいて、平均ケース上での正の作用の「アドバンテージ」を計算することができる。
SNQNとSA2Cを4つのシーケンシャルレコメンデーションモデルでインスタンス化し、2つの実世界のデータセットで実験を行う。
論文 参考訳(メタデータ) (2021-11-05T12:51:15Z) - Drift anticipation with forgetting to improve evolving fuzzy system [0.0]
本稿では,Evolving Fuzzy Systemにおける忘れを一体化するコヒーレント手法を提案する。
この忘れは、前提部分の指数的忘れと、結論部分の遅れ方向の忘れの2つの方法によって適用される。
提案手法の評価は、ベンチマークオンラインデータセット上で実施される。
論文 参考訳(メタデータ) (2021-01-07T09:21:27Z) - 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)
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。