論文の概要: Hotel Recommendation System Based on User Profiles and Collaborative
Filtering
- arxiv url: http://arxiv.org/abs/2009.14045v1
- Date: Mon, 21 Sep 2020 09:57:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 05:54:11.552935
- Title: Hotel Recommendation System Based on User Profiles and Collaborative
Filtering
- Title(参考訳): ユーザプロファイルと協調フィルタリングに基づくホテル推薦システム
- Authors: Bekir Berker T\"urker, Resul Tugay, \c{S}ule \"O\u{g}\"ud\"uc\"u,
\.Ipek K{\i}z{\i}l
- Abstract要約: 本稿では,コンテンツベースと協調フィルタリングを組み合わせたハイブリッドホテルレコメンデーションシステムを提案する。
結果として得られるシステムはハイブリッドレコメンデーションシステムとして知られている。
- 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: Nowadays, people start to use online reservation systems to plan their
vacations since they have vast amount of choices available. Selecting when and
where to go from this large-scale options is getting harder. In addition,
sometimes consumers can miss the better options due to the wealth of
information to be found on the online reservation systems. In this sense,
personalized services such as recommender systems play a crucial role in
decision making. Two traditional recommendation techniques are content-based
and collaborative filtering. While both methods have their advantages, they
also have certain disadvantages, some of which can be solved by combining both
techniques to improve the quality of the recommendation. The resulting system
is known as a hybrid recommender system. This paper presents a new hybrid hotel
recommendation system that has been developed by combining content-based and
collaborative filtering approaches that recommends customer the hotel they need
and save them from time loss.
- Abstract(参考訳): 今では、多くの選択肢があるため、オンライン予約システムを使って休暇を計画している。
この大規模オプションからいつ、どこで選択するかは、ますます難しくなっている。
加えて、オンライン予約システムにある豊富な情報のために、消費者はより良い選択肢を見逃すことがある。
この意味では、リコメンデータシステムのようなパーソナライズされたサービスが意思決定において重要な役割を果たす。
従来の2つの推奨手法は、コンテンツベースと協調フィルタリングである。
どちらの方法にも利点はあるが、いくつかの欠点があり、そのいくつかは、両方のテクニックを組み合わせて推奨の質を向上させることで解決できる。
このシステムはハイブリッドレコメンデーションシステムとして知られている。
本稿では,ユーザが必要とするホテルを推薦し,時間的損失から節約するコンテンツベースと協調的なフィルタリング手法を組み合わせた,新しいハイブリッドホテル推薦システムを提案する。
関連論文リスト
- 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) - Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。
そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。
以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
論文 参考訳(メタデータ) (2023-05-18T15:37:38Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [69.11586678637816]
エージェントのインセンティブを尊重する新しい推薦システムを提案する。
両政策は, エージェントが過度の暴露から保護される, ポストフェアネス基準を満たすことを示す。
論文 参考訳(メタデータ) (2022-11-23T22:20:12Z) - A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques [0.0]
Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。
より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。
研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
論文 参考訳(メタデータ) (2022-05-03T22:13:33Z) - Modeling Attrition in Recommender Systems with Departing Bandits [84.85560764274399]
政策に依存した地平線を捉えた新しいマルチアームバンディット構成を提案する。
まず、全てのユーザが同じタイプを共有しているケースに対処し、最近の UCB ベースのアルゴリズムが最適であることを実証する。
次に、ユーザが2つのタイプに分けられる、より困難なケースを前進させます。
論文 参考訳(メタデータ) (2022-03-25T02:30:54Z) - Movie Recommender System using critic consensus [0.0]
協調コンテンツとコンテンツベースのコンテンツの統合に基づくハイブリッドレコメンデーションシステムを提案する。
ユーザの好みと批判的コンセンサススコアの組み合わせに基づいて映画を推薦する新しいモデルを提示したい。
論文 参考訳(メタデータ) (2021-12-22T13:04:41Z) - Photos Are All You Need for Reciprocal Recommendation in Online Dating [1.90365714903665]
本稿では,ユーザの嗜好履歴を解釈し,これを用いてレコメンデーションを行う新しい方法を提案する。
我々は、リカレントニューラルネットワークをトレーニングし、ユーザの嗜好を学習し、相互選好関係の予測を行う。
本システムは,コンテンツベースおよび協調フィルタリングシステムにおいて,技術状況において著しく優れる。
論文 参考訳(メタデータ) (2021-08-26T11:38:23Z) - A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers [0.7310043452300736]
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
論文 参考訳(メタデータ) (2021-05-26T23:10:51Z) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳(メタデータ) (2020-04-08T02:11:55Z) - Survey of Privacy-Preserving Collaborative Filtering [3.670848852348134]
協調フィルタリングレコメンデーションシステムは、自身の過去の好みと、同様の関心を持つ他のユーザの好みに基づいて、ユーザにレコメンデーションを提供する。
このようなシステムを使用する場合、ユーザはプライバシを心配することが多く、ほとんどのオンラインサービスに正確な情報を提供することに消極的だ。
プライバシ保存協調フィルタリングレコメンデーションシステムは、データのプライバシに関する一定の保証を維持しながら、ユーザに正確なレコメンデーションを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-18T17:14:50Z) - 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。