論文の概要: Presentation a Trust Walker for rating prediction in Recommender System with Biased Random Walk: Effects of H-index Centrality, Similarity in Items and Friends

• arxiv url: http://arxiv.org/abs/2009.04825v1
• Date: Thu, 10 Sep 2020 12:52:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 04:13:08.385882
• Title: Presentation a Trust Walker for rating prediction in Recommender System with Biased Random Walk: Effects of H-index Centrality, Similarity in Items and Friends
• Title（参考訳）: バイアスランダムウォークを用いたリコメンダーシステムにおける評価予測のためのトラストウォーカーの提示:H-インデックス中心性,項目の類似性,友人性の影響
• Authors: Saman Forouzandeh, Mehrdad Rostami, Kamal Berahmand
• Abstract要約: トラストベースのレコメンデータシステムを用いて、ユーザの希望する項目のスコアを予測する。 信頼ネットワークでは、ノード間のエッジを重み付けすることにより、信頼度を決定し、TrustWalkerを開発する。 本手法の実装と評価は,Epinions,Flixster,FilmTrustという3つのデータセットを用いて行った。
• 参考スコア（独自算出の注目度）: 3.8848561367220276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The use of recommender systems has increased dramatically to assist online social network users in the decision-making process and selecting appropriate items. On the other hand, due to many different items, users cannot score a wide range of them, and usually, there is a scattering problem for the matrix created for users. To solve the problem, the trust-based recommender systems are applied to predict the score of the desired item for the user. Various criteria have been considered to define trust, and the degree of trust between users is usually calculated based on these criteria. In this regard, it is impossible to obtain the degree of trust for all users because of the large number of them in social networks. Also, for this problem, researchers use different modes of the Random Walk algorithm to randomly visit some users, study their behavior, and gain the degree of trust between them. In the present study, a trust-based recommender system is presented that predicts the score of items that the target user has not rated, and if the item is not found, it offers the user the items dependent on that item that are also part of the user's interests. In a trusted network, by weighting the edges between the nodes, the degree of trust is determined, and a TrustWalker is developed, which uses the Biased Random Walk (BRW) algorithm to move between the nodes. The weight of the edges is effective in the selection of random steps. The implementation and evaluation of the present research method have been carried out on three datasets named Epinions, Flixster, and FilmTrust; the results reveal the high efficiency of the proposed method.
• Abstract（参考訳）: オンラインソーシャルネットワーク利用者の意思決定プロセスや適切な項目の選択を支援するため,レコメンダシステムの利用が劇的に増加している。 一方,多数の異なる項目があるため,利用者は広い範囲の項目を評価できないため,通常,ユーザのために作成されたマトリックスには散乱問題が存在する。 この問題を解決するために,信頼ベースのレコメンダシステムを適用し,ユーザの希望する項目のスコアを予測する。 信頼を定義するための様々な基準が検討されており、ユーザ間の信頼度は通常これらの基準に基づいて計算される。 この点において、ソーシャルネットワークにおける利用者数の多さから、全利用者の信頼度を得ることはできない。 また、この問題を解決するために、研究者はランダムウォークアルゴリズムの異なるモードを使用して、一部のユーザーをランダムに訪問し、行動を研究し、それらの間の信頼度を得る。 本研究では,対象ユーザが評価していない項目のスコアを予測し,その項目が見つからなかった場合,その項目に依存する項目を利用者に提示する信頼ベースの推薦システムを提案する。 信頼ネットワークにおいて、ノード間のエッジを重み付けて信頼度を判定し、バイアスドランダムウォーク(brw)アルゴリズムを用いてノード間を移動させる信頼ウォークを開発した。 エッジの重みはランダムなステップの選択に有効である。 本手法の実装と評価は,Epinions,Flixster,FilmTrustという3つのデータセットを用いて行われ,提案手法の高効率性を示す。

関連論文リスト

• A Confidence-based Partial Label Learning Model for Crowd-Annotated Named Entity Recognition [74.79785063365289]
  名前付きエンティティ認識(NER)のための既存のモデルは、主に大規模ラベル付きデータセットに基づいている。 我々は,クラウドアノテートNERに対する先行信頼度(アノテータによる提案)と後続信頼度(モデルによる学習)を統合するために,信頼に基づく部分ラベル学習(CPLL)手法を提案する。
  論文  参考訳（メタデータ） (2023-05-21T15:31:23Z)
• Simpson's Paradox in Recommender Fairness: Reconciling differences between per-user and aggregated evaluations [16.053419956606557]
  ランク付けとレコメンダシステムにおける公平性という2つの概念は、反対の結論につながる可能性があると論じる。 我々はこれらの概念を整理し、テンションはアイテムが関係するユーザの分布の違いによるものであることを示す。 この新たな理解に基づいて、実践者はどちらの概念にも興味を持っているかもしれないが、ユーザ単位のメトリクスで課題に直面しているかもしれない。
  論文  参考訳（メタデータ） (2022-10-14T12:43:32Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• Causal Disentanglement with Network Information for Debiased Recommendations [34.698181166037564]
  近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。 この設定における重要な課題は、隠れた共同設立者を説明することだ。 我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
  論文  参考訳（メタデータ） (2022-04-14T20:55:11Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• Regret in Online Recommendation Systems [73.58127515175127]
  本稿では,オンライン環境におけるレコメンデーションシステムの理論的分析について提案する。 各ラウンドにおいて、ユーザがランダムに$m$ユーザから選択され、レコメンデーションが要求される。決定者は、ユーザを観察し、$n$アイテムのカタログからアイテムを選択する。 推奨アルゴリズムのパフォーマンスは、これらの可能性を認識したOracleアルゴリズムを参照して、その後悔を通じて取得される。
  論文  参考訳（メタデータ） (2020-10-23T12:48:35Z)
• Where Does Trust Break Down? A Quantitative Trust Analysis of Deep Neural Networks via Trust Matrix and Conditional Trust Densities [94.65749466106664]
  本稿では,新しい信頼量化戦略である信頼行列の概念を紹介する。 信頼行列は、所定のアクター・オークル回答シナリオに対して期待される質問・回答信頼を定義する。 我々は、条件付き信頼密度の概念により、信頼密度の概念をさらに拡張する。
  論文  参考訳（メタデータ） (2020-09-30T14:33:43Z)
• Using Stable Matching to Optimize the Balance between Accuracy and Diversity in Recommendation [3.0938904602244355]
  多くのレコメンデーションドメインにおいて、集約的多様性(あるいはカタログカバレッジ)の増加はシステムレベルの重要な目標である。 集約の多様性を高める試みは、エンドユーザの推奨精度を低下させる。 本稿では,ユーザとアイテムの両ユーティリティを考慮した,双方向のポストプロセッシング手法を提案する。
  論文  参考訳（メタデータ） (2020-06-05T22:12:25Z)
• Towards Time-Aware Context-Aware Deep Trust Prediction in Online Social Networks [0.4061135251278187]
  信頼は、情報ソースが信頼できるか、誰と共有すべきか、誰から情報を受け入れるべきかを決定する尺度として定義できる。 ソーシャルスパマー検出、フェイクニュース検出、リツイート行動検出、レコメンデーションシステムなど、オンラインソーシャルネットワーク(OSN)への信頼のためのいくつかのアプリケーションがある。 信頼予測は、現在接続されていない2人のユーザー間の新しい信頼関係を予測するプロセスである。
  論文  参考訳（メタデータ） (2020-03-21T01:00:02Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。