Fugu-MT 論文翻訳(概要): Tag Recommendation for Online Q&A Communities based on BERT Pre-Training Technique

論文の概要: Tag Recommendation for Online Q&A Communities based on BERT Pre-Training Technique

arxiv url: http://arxiv.org/abs/2010.04971v1
Date: Sat, 10 Oct 2020 10:52:22 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 23:20:12.552560
Title: Tag Recommendation for Online Q&A Communities based on BERT Pre-Training Technique
Title（参考訳）: BERT事前学習に基づくオンラインQ&Aコミュニティのためのタグ推薦
Authors: Navid Khezrian, Jafar Habibi, Issa Annamoradnejad
Abstract要約: オンラインQ&Aやオープンソースコミュニティのタグレコメンデーションタスクとして,BERTプレトレーニング手法を初めて使用しています。提案手法であるTagBERTは,ディープラーニングや他のベースライン手法と比較して精度が高いことを示す。
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: Online Q&A and open source communities use tags and keywords to index, categorize, and search for specific content. The most obvious advantage of tag recommendation is the correct classification of information. In this study, we used the BERT pre-training technique in tag recommendation task for online Q&A and open-source communities for the first time. Our evaluation on freecode datasets show that the proposed method, called TagBERT, is more accurate compared to deep learning and other baseline methods. Moreover, our model achieved a high stability by solving the problem of previous researches, where increasing the number of tag recommendations significantly reduced model performance.
Abstract（参考訳）: オンラインQ&Aとオープンソースコミュニティは、特定のコンテンツのインデックス、分類、検索にタグとキーワードを使用している。タグレコメンデーションの最も明白な利点は、情報の正しい分類である。本研究では,オンラインQ&Aとオープンソースコミュニティを対象としたタグ推薦タスクにおいて,BERT事前学習手法を初めて使用した。自由コードデータセットを用いた評価の結果,提案手法であるtagbertは,ディープラーニングや他のベースライン手法よりも精度が高いことがわかった。さらに,従来の研究の課題を解決し,タグ推薦数を増やすことでモデル性能を著しく低下させることにより,モデルの安定性が向上した。

関連論文リスト

Metric Learning for Tag Recommendation: Tackling Data Sparsity and Cold Start Issues [4.315795907799471]
本稿では,メトリクス学習に基づくラベル推薦アルゴリズムを提案する。従来のレコメンデーションシステムの課題を、効果的な距離や類似度を学習することで克服することを目的としている。最初のいくつかの推奨項目の精度で特によく機能する。
論文参考訳（メタデータ） (2024-11-10T06:46:44Z)
PLIERS: a Popularity-Based Recommender System for Content Dissemination in Online Social Networks [5.505634045241288]
PLIERSと呼ばれる新しいタグベースのレコメンデーションシステムを提案する。これは、ユーザーが主にアイテムやタグに興味を持ち、既に所有しているものと同様の人気があるという仮定に依存している。 PLIERSは、アルゴリズムと推奨項目のパーソナライズレベルとの良好なトレードオフを達成することを目的としている。
論文参考訳（メタデータ） (2023-07-06T09:04:58Z)
Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文参考訳（メタデータ） (2022-09-08T09:13:07Z)
Recommender systems based on graph embedding techniques: A comprehensive review [9.871096870138043]
本稿では,二部グラフ,一般グラフ,知識グラフの埋め込み手法からのグラフ埋め込みに基づく推薦を体系的に振り返る。いくつかの代表的なグラフ埋め込みベースのレコメンデーションモデルと、最もよく使われている従来のレコメンデーションモデルを比較すると、従来のモデルは、暗黙のユーザ-イテム相互作用を予測するためにグラフ埋め込みベースのレコメンデーションモデルよりも総合的に優れていることが示される。
論文参考訳（メタデータ） (2021-09-20T14:42:39Z)
DSKReG: Differentiable Sampling on Knowledge Graph for Recommendation with Relational GNN [59.160401038969795]
我々は,GNN(DSKReG)を用いた推薦のための知識グラフの識別可能なサンプリングを提案する。そこで本研究では,モデル学習手順と組み合わせて,関連する項目の選択を最適化する,識別可能なサンプリング戦略を考案する。実験の結果,我々のモデルは最先端のKGベースのレコメンデータシステムよりも優れていた。
論文参考訳（メタデータ） (2021-08-26T16:19:59Z)
Rating and aspect-based opinion graph embeddings for explainable recommendations [69.9674326582747]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
論文参考訳（メタデータ） (2021-07-07T14:07:07Z)
Semi-Supervised Domain Generalization with Stochastic StyleMatch [90.98288822165482]
実世界のアプリケーションでは、アノテーションのコストが高いため、各ソースドメインから利用可能なラベルはわずかです。本研究では,より現実的で実践的な半教師付き領域一般化について検討する。提案手法であるStyleMatchは,擬似ラベルに基づく最先端の半教師付き学習手法であるFixMatchに着想を得たものである。
論文参考訳（メタデータ） (2021-06-01T16:00:08Z)
Context-Based Quotation Recommendation [60.93257124507105]
本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。音声テキストと関連するニュース記事の収集実験を行う。
論文参考訳（メタデータ） (2020-05-17T17:49:53Z)
Deep Learning on Knowledge Graph for Recommender System: A Survey [36.41255991011155]
知識グラフは、2つのオブジェクトと1つまたは複数の関連属性を接続する高次関係を符号化することができる。新たなグラフニューラルネットワーク(GNN)の助けを借りて,対象特性と関係性の両方をKGから抽出することができる。
論文参考訳（メタデータ） (2020-03-25T22:53:14Z)
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)
HybridCite: A Hybrid Model for Context-Aware Citation Recommendation [0.0]
我々は,埋め込み,トピックモデリング,情報検索技術に基づく引用推薦手法を開発した。私たちは、私たちの知る限りでは初めて、最高のパフォーマンスのアルゴリズムを半遺伝的ハイブリッドレコメンデータシステムに組み合わせました。評価の結果,埋め込みと情報検索を併用したハイブリッドモデルでは,個々のコンポーネントやアルゴリズムよりも大きなマージンで性能が向上することがわかった。
論文参考訳（メタデータ） (2020-02-15T16:19:55Z)

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。