論文の概要: Addressing the Cold-Start Problem in Outfit Recommendation Using Visual Preference Modelling

• arxiv url: http://arxiv.org/abs/2008.01437v1
• Date: Tue, 4 Aug 2020 10:07:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 00:58:54.401373
• Title: Addressing the Cold-Start Problem in Outfit Recommendation Using Visual Preference Modelling
• Title（参考訳）: 視覚的嗜好モデルを用いた服装推薦におけるコールドスタート問題への取り組み
• Authors: Dhruv Verma, Kshitij Gulati and Rajiv Ratn Shah
• Abstract要約: 本稿では,新しい視覚的嗜好モデリング手法を活用することで,新規ユーザに対するコールドスタート問題に対処する。 機能重み付けクラスタリングによるアプローチの活用を実演し、時事指向の衣装レコメンデーションをパーソナライズする。
• 参考スコア（独自算出の注目度）: 51.147871738838305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the global transformation of the fashion industry and a rise in the demand for fashion items worldwide, the need for an effectual fashion recommendation has never been more. Despite various cutting-edge solutions proposed in the past for personalising fashion recommendation, the technology is still limited by its poor performance on new entities, i.e. the cold-start problem. In this paper, we attempt to address the cold-start problem for new users, by leveraging a novel visual preference modelling approach on a small set of input images. We demonstrate the use of our approach with feature-weighted clustering to personalise occasion-oriented outfit recommendation. Quantitatively, our results show that the proposed visual preference modelling approach outperforms state of the art in terms of clothing attribute prediction. Qualitatively, through a pilot study, we demonstrate the efficacy of our system to provide diverse and personalised recommendations in cold-start scenarios.
• Abstract（参考訳）: ファッション産業のグローバルな変化と、世界中のファッションアイテムの需要の高まりにより、効果的なファッションレコメンデーションの必要性はもはや高まっていない。 ファッションレコメンデーションをパーソナライズするための様々な最先端のソリューションが提案されたが、新しいエンティティ、すなわちコールドスタート問題に対するパフォーマンスの低さにより、この技術は依然として制限されている。 本稿では,少数の入力画像に対して,新しい視覚的嗜好モデリングアプローチを活用することで,新しいユーザにとってのコールドスタート問題に対処する。 このアプローチを機能重み付けクラスタリングを用いて,時折実施する服装推薦をパーソナライズする方法について紹介する。 定量的には,提案手法が衣服属性予測の観点で美術品の状態を上回っていることを示す。 定量的に,本システムの有効性を実証し,コールドスタートシナリオにおいて多様でパーソナライズされたレコメンデーションを提供する。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Learning to Synthesize Compatible Fashion Items Using Semantic Alignment and Collocation Classification: An Outfit Generation Framework [59.09707044733695]
  衣料品全体を合成することを目的とした,新しい衣料品生成フレームワークであるOutfitGANを提案する。 OutfitGANにはセマンティックアライメントモジュールがあり、既存のファッションアイテムと合成アイテムのマッピング対応を特徴付ける。 提案モデルの性能を評価するため,20,000のファッション衣装からなる大規模データセットを構築した。
  論文  参考訳（メタデータ） (2025-02-05T12:13:53Z)
• Personalized Fashion Recommendation with Image Attributes and Aesthetics Assessment [15.423307815155534]
  利用可能な情報、特に画像を2つのグラフ属性に変換することで、より正確なファッションレコメンデーションを提供することを目指している。 画像とテキストを2つのコンポーネントとして分離する従来の手法と比較して,提案手法は画像とテキスト情報を組み合わせてよりリッチな属性グラフを作成する。 IQON3000データセットの予備実験により,提案手法はベースラインと比較して競争精度が向上することを示した。
  論文  参考訳（メタデータ） (2025-01-06T15:31:10Z)
• Prompt Tuning for Item Cold-start Recommendation [21.073232866618554]
  コールドスタートフェーズの成功は、アイテムが人気のあるものに移行できるかどうかを決定するため、オンラインレコメンデーションシステムにとって、アイテムコールドスタート問題は不可欠である。 自然言語処理(NLP)においてゼロまたは少数ショット問題に対処するために使用される強力なテクニックであるPrompt Learningは、同様の課題に対処するための推奨システムに適応している。 本稿では,この2つの問題を同時に解決するために,高価値な正のフィードバック(ピンナクルフィードバック)をプロンプト情報として活用することを提案する。
  論文  参考訳（メタデータ） (2024-12-24T01:38:19Z)
• Lost Your Style? Navigating with Semantic-Level Approach for Text-to-Outfit Retrieval [2.07180164747172]
  ファッションレコメンデーションの基盤となるアプローチとして,テキスト・ツー・アウトフィット検索タスクを導入する。 我々のモデルは3つのセマンティックレベル、スタイル、服装で考案され、各レベルがデータを段階的に集約し、一貫性のある服装勧告を形成する。 メリーランド・ポリボアとポリボア・アウトフィットのデータセットを用いて,本手法はテキストビデオ検索タスクにおける最先端モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-11-03T07:23:21Z)
• Leveraging Multiple Relations for Fashion Trend Forecasting Based on Social Media [72.06420633156479]
  Relation Enhanced Attention Recurrent(REAR)ネットワークという改良モデルを提案する。 KERNと比較して、REARモデルはファッション要素間の関係だけでなく、ユーザグループ間の関係も活用する。 長期トレンド予測の性能をさらに向上させるために、REAR法はスライディング時間的注意メカニズムを考案する。
  論文  参考訳（メタデータ） (2021-05-07T14:52:03Z)
• Personalized Fashion Recommendation from Personal Social Media Data: An Item-to-Set Metric Learning Approach [71.63618051547144]
  ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。 本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。 提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
  論文  参考訳（メタデータ） (2020-05-25T23:24:24Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

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。