Fugu-MT 論文翻訳(概要): Microsoft Recommenders: Tools to Accelerate Developing Recommender Systems

論文の概要: Microsoft Recommenders: Tools to Accelerate Developing Recommender Systems

arxiv url: http://arxiv.org/abs/2008.13528v1
Date: Thu, 27 Aug 2020 00:25:19 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 08:36:40.343419
Title: Microsoft Recommenders: Tools to Accelerate Developing Recommender Systems
Title（参考訳）: Microsoft Recommenders: Recommenderシステムの開発を加速するためのツール
Authors: Scott Graham, Jun-Ki Min and Tao Wu
Abstract要約: オープンソースリポジトリは、推奨データサイエンス作業を簡単にするためのpythonユーティリティを提供する。 Jupyterノートブックは、様々な環境下でのアルゴリズムとツールの使用を実演している。
参考スコア（独自算出の注目度）: 4.345490201680308
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The purpose of this work is to highlight the content of the Microsoft Recommenders repository and show how it can be used to reduce the time involved in developing recommender systems. The open source repository provides python utilities to simplify common recommender-related data science work as well as example Jupyter notebooks that demonstrate use of the algorithms and tools under various environments.
Abstract（参考訳）: この作業の目的は、Microsoft Recommendersリポジトリの内容を強調し、レコメンダシステムの開発にかかる時間を削減するためにどのように使用できるかを示すことである。オープンソースリポジトリは、一般的なレコメンダ関連データサイエンス作業を簡単にするためのpythonユーティリティと、さまざまな環境におけるアルゴリズムやツールの使用を実証するjupyterノートブックを提供する。

関連論文リスト

Let Me Do It For You: Towards LLM Empowered Recommendation via Tool Learning [57.523454568002144]
大きな言語モデル(LLM)は、常識的な推論と外部ツールの活用の能力を示している。ツール学習を通じてLLMを活用したレコメンデーションのためのフレームワークであるToolRecを紹介する。属性の粒度を探索するプロセスとして推薦プロセスを定式化する。属性指向ツールには,ランクツールと検索ツールの2種類がある。
論文参考訳（メタデータ） (2024-05-24T00:06:54Z)
Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文参考訳（メタデータ） (2023-10-28T06:31:06Z)
Representation Learning in Low-rank Slate-based Recommender Systems [9.550552949693566]
低ランクマルコフ決定プロセス(MDP)を用いたオンラインRL問題として扱うために,標準スレートレコメンデーション設定を用いたサンプル効率表現学習アルゴリズムを提案する。また,提案手法を用いて,提案手法を用いて推薦者シミュレーション環境を構築する。
論文参考訳（メタデータ） (2023-09-10T21:40:51Z)
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)
Recommendation as Instruction Following: A Large Language Model Empowered Recommendation Approach [83.62750225073341]
我々は、大規模言語モデル(LLM)による指示としてレコメンデーションを考える。まず、ユーザの好み、意図、タスクフォーム、コンテキストを自然言語で記述するための一般的な命令形式を設計する。そして、39の命令テンプレートを手動で設計し、大量のユーザ個人化された命令データを自動的に生成する。
論文参考訳（メタデータ） (2023-05-11T17:39:07Z)
Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。 1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文参考訳（メタデータ） (2022-10-11T12:30:05Z)
CSSR: A Context-Aware Sequential Software Service Recommendation Model [4.306391411024746]
ユーザが適切なリポジトリをGitHubで見つけるのに役立つ新しいソフトウェアサービスレコメンデーションモデルを提案する。我々のモデルはまず,リポジトリのリッチなコンテキスト情報を活用するために,新しいコンテキスト依存のリポジトリグラフ埋め込み法を設計する。そして、ソフトウェアサービスレコメンデーション分野において、初めてユーザー-リポジトリ間のインタラクションのシーケンス情報を活用する。
論文参考訳（メタデータ） (2021-12-20T03:17:42Z)
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)
A Systematic Review on Context-Aware Recommender Systems using Deep Learning and Embeddings [0.0]
コンテキスト認識レコメンダシステム(Context-Aware Recommender Systems)が作成され、最先端の結果が得られた。ディープラーニングと埋め込み技術は、コンテキスト認識レコメンダシステムを改善するために適用されています。
論文参考訳（メタデータ） (2020-07-09T13:23:40Z)
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。