論文の概要: Research Progress of News Recommendation Methods
- arxiv url: http://arxiv.org/abs/2012.02360v2
- Date: Mon, 8 Mar 2021 01:53:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 12:31:02.447228
- Title: Research Progress of News Recommendation Methods
- Title（参考訳）: ニュースレコメンデーション手法の研究の進展
- Authors: Jing Qin
- Abstract要約: ニュースレコメンデーションシステムは、レコメンデーションシステムに関する最初期の研究分野であった。
2018年から2020年にかけて、開発されたニュースレコメンデーション方法は、主にディープラーニングベースの、注意ベースの、知識グラフベースのものだった。
- 参考スコア（独自算出の注目度）: 12.629405428751719
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to researchers'aim to study personalized recommendations for different
business fields, the summary of recommendation methods in specific fields is of
practical significance. News recommendation systems were the earliest research
field regarding recommendation systems, and were also the earliest
recommendation field to apply the collaborative filtering method. In addition,
news is real-time and rich in content, which makes news recommendation methods
more challenging than in other fields. Thus, this paper summarizes the research
progress regarding news recommendation methods. From 2018 to 2020, developed
news recommendation methods were mainly deep learning-based, attention-based,
and knowledge graphs-based. As of 2020, there are many news recommendation
methods that combine attention mechanisms and knowledge graphs. However, these
methods were all developed based on basic methods (the collaborative filtering
method, the content-based recommendation method, and a mixed recommendation
method combining the two). In order to allow researchers to have a detailed
understanding of the development process of news recommendation methods, the
news recommendation methods surveyed in this paper, which cover nearly 10
years, are divided into three categories according to the abovementioned basic
methods. Firstly, the paper introduces the basic ideas of each category of
methods and then summarizes the recommendation methods that are combined with
other methods based on each category of methods and according to the time
sequence of research results. Finally, this paper also summarizes the
challenges confronting news recommendation systems.
- Abstract（参考訳）: 研究者は、異なるビジネス分野のパーソナライズされたレコメンデーションを研究することを目指しており、特定の分野におけるレコメンデーション手法の要約は、実際に重要である。
ニューズレコメンデーションシステムはレコメンデーションシステムに関する最初期の研究分野であり、コラボレーティブ・フィルタリング法を適用した最初期のレコメンデーション分野でもあった。
さらに、ニュースはリアルタイムであり、コンテンツに富んでいるため、他の分野よりもニュースレコメンデーション手法が難しい。
そこで本稿では,ニュースレコメンデーション手法に関する研究の進展を概説する。
2018年から2020年にかけて、深層学習に基づく、注意に基づく、知識グラフに基づくニュースレコメンデーション手法が開発された。
2020年現在、注意機構と知識グラフを組み合わせた多くのニュースレコメンデーション手法が存在する。
しかし,これらの手法はすべて基本手法(協調フィルタリング法,コンテンツベース推薦法,混合推薦法)に基づいて開発された。
研究者がニュースレコメンデーション手法の開発過程を詳細に理解できるようにするため,本稿では,10年近くにわたるニュースレコメンデーション手法を,上記の基本手法に従って3つのカテゴリに分けた。
まず,各メソッドのカテゴリの基本概念を紹介し,各メソッドのカテゴリと研究結果の時系列に基づいて,他のメソッドと組み合わせたレコメンデーション手法を要約する。
最後に,ニュースレコメンデーションシステムの課題についても要約する。
関連論文リスト
- Knowledge Distillation Approaches for Accurate and Efficient Recommender System [8.27119606183475]
この論文は、レコメンデーターシステムのための知識蒸留法の開発に費やされている。
提案手法は,その知識源に応じて分類される。
異種推薦モデルのランク付け知識を圧縮する新しい学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-19T00:01:18Z) - 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) - Facilitating Interdisciplinary Knowledge Transfer with Research Paper Recommender Systems [7.994912533454301]
我々は、科学者に新しく多様な研究論文レコメンデーションを提供することの重要性を論じる。
このアプローチは、サイロ化読解を減らし、フィルターバブルを分解し、学際的な研究を促進することを目的としている。
論文 参考訳（メタデータ） (2023-09-26T14:56:56Z) - Impression-Aware Recommender Systems [53.48892326556546]
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。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Recommender Systems: A Primer [7.487718119544156]
本稿では,従来のレコメンデーション問題の定式化について概説する。
次に、アイテム検索とランキングのための古典的アルゴリズムパラダイムをレビューする。
本稿では,近年のレコメンデーションシステム研究の進展について論じる。
論文 参考訳（メタデータ） (2023-02-06T06:19:05Z) - 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) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z) - A Novel Paper Recommendation Method Empowered by Knowledge Graph: for
Research Beginners [0.0]
マスタースレーブ」なドメイン知識グラフは、ユーザの要求をより正確に表現し、レコメンデーションシステムが知識をより正確に表現するのに役立つ。
実験結果は,提案手法を用いた研究初心者によるクロスドメインシナリオにおける新しい技術論文の取得の可能性を示した。
論文 参考訳（メタデータ） (2021-03-16T03:06:06Z) - A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。
次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文 参考訳（メタデータ） (2021-02-28T16:22:58Z) - 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。