論文の概要: Attentive Social Recommendation: Towards User And Item Diversities

• arxiv url: http://arxiv.org/abs/2011.04797v2
• Date: Sun, 15 Nov 2020 00:27:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 01:19:28.067789
• Title: Attentive Social Recommendation: Towards User And Item Diversities
• Title（参考訳）: 注意的ソーシャルレコメンデーション : ユーザとアイテムの多様性を目指して
• Authors: Dongsheng Luo, Yuchen Bian, Xiang Zhang, Jun Huan
• Abstract要約: 我々はこの問題に対処するための注意深い社会レコメンデーションシステム(ASR)を提案する。 まず、ASRでは、Rec-convグラフネットワーク層が、ソーシャルファクター、ユーザレーティング、アイテムレーティングの要素を抽出するために提案される。 第二に、多様な評価値に対して、遠ざかる戦略が適用される。
• 参考スコア（独自算出の注目度）: 19.68134197265983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social recommendation system is to predict unobserved user-item rating values by taking advantage of user-user social relation and user-item ratings. However, user/item diversities in social recommendations are not well utilized in the literature. Especially, inter-factor (social and rating factors) relations and distinct rating values need taking into more consideration. In this paper, we propose an attentive social recommendation system (ASR) to address this issue from two aspects. First, in ASR, Rec-conv graph network layers are proposed to extract the social factor, user-rating and item-rated factors and then automatically assign contribution weights to aggregate these factors into the user/item embedding vectors. Second, a disentangling strategy is applied for diverse rating values. Extensive experiments on benchmarks demonstrate the effectiveness and advantages of our ASR.
• Abstract（参考訳）: ソーシャルレコメンデーションシステムは,ユーザ・ユーザ間の社会的関係とユーザ・イテム評価を利用して,未観測のユーザ・イテム評価値を予測する。 しかし,ソーシャルレコメンデーションにおけるユーザ/イテムの多様性は文献ではあまり利用されていない。 特に、因子間関係(社会的・格付け的要因)と異なる格付け値が考慮される必要がある。 本稿では,この課題を2つの側面から解決するための注意型ソーシャルレコメンデーションシステム(asr)を提案する。 まず、ASRでは、Rec-convグラフネットワーク層が、ソーシャルファクター、ユーザレーティング、アイテムレーティングの要素を抽出し、自動的にコントリビューション重みを割り当て、これらの因子をユーザ/イットム埋め込みベクトルに集約する。 第二に、様々な格付け値に対して異化戦略が適用される。 ベンチマークに関する広範な実験は、asrの有効性と利点を示しています。

関連論文リスト

• Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
  RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。 因果的観点からRSを定式化し、二元的介入として勧告を定式化する。 提案手法では,結果の一致を最大化する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-19T07:21:02Z)
• Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias [64.73474454254105]
  ソーシャルレコメンデーションモデルは、ユーザに対してユニークなパーソナライズされたレコメンデーション結果を提供するために、ソーシャルインタラクションをデザインに織り込む。 既存のソーシャルレコメンデーションモデルは、人気バイアスや社会的情報の冗長性の問題に対処できない。 本稿では,モデルの人気バイアスを軽減するための条件付きソーシャルレコメンデーションモデル(CGSoRec)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T02:45:01Z)
• Learning Social Graph for Inactive User Recommendation [50.090904659803854]
  LSIRはソーシャルレコメンデーションのための最適なソーシャルグラフ構造を学習する。 実世界のデータセットの実験では、LSIRはNDCGで最大129.58%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-05-08T03:40:36Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Concept -- An Evaluation Protocol on Conversational Recommender Systems with System-centric and User-centric Factors [68.68418801681965]
  本稿では,システムとユーザ中心の要素を統合した新しい包括的評価プロトコルであるConceptを提案する。 まず、現在のCRSモデルの長所と短所を概観する。 第二に、「全能」なChatGPTにおける低ユーザビリティの問題を特定し、CRSを評価するための包括的なリファレンスガイドを提供する。
  論文  参考訳（メタデータ） (2024-04-04T08:56:48Z)
• Causal Disentanglement for Regulating Social Influence Bias in Social Recommendation [12.120586712440673]
  ソーシャルレコメンデーションシステムは、社会的影響バイアスの問題に直面しており、友人が交流したアイテムの推薦に過大評価される可能性がある。 本稿では,CDRSBというソーシャルレコメンデーションにおけるソーシャルインフルエントバイアスの規制のための因果ディスタングルに基づくフレームワークを提案し,レコメンデーション性能の向上を図る。
  論文  参考訳（メタデータ） (2024-03-06T09:48:48Z)
• When Search Meets Recommendation: Learning Disentangled Search Representation for Recommendation [56.98380787425388]
  シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。 SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。 産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T09:04:50Z)
• 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)
• FairSR: Fairness-aware Sequential Recommendation through Multi-Task Learning with Preference Graph Embeddings [14.543386085745192]
  シークエンシャルレコメンデーションは、ユーザとイテムの相互作用の時間的ダイナミクスから学び、次のものを予測する。 本稿では,SRとアルゴリズムフェアネスの結婚を実現することを目的とする。 本稿では,新たな基準であるインタラクションフェアネスを定義した,新規なフェアネス対応シーケンシャルレコメンデーションタスクを提案する。
  論文  参考訳（メタデータ） (2022-04-30T17:33:51Z)
• 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)
• A Robust Reputation-based Group Ranking System and its Resistance to Bribery [8.300507994596416]
  マルチパートレーティングワークを利用した評価に基づく新しいランキングシステムを提案する。 贈賄に対する抵抗性と最適な贈賄戦略の設計方法について検討する。
  論文  参考訳（メタデータ） (2020-04-13T22:28:29Z)

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。