Fugu-MT 論文翻訳(概要): A Refined SVD Algorithm for Collaborative Filtering

論文の概要: A Refined SVD Algorithm for Collaborative Filtering

arxiv url: http://arxiv.org/abs/2012.06923v1
Date: Sun, 13 Dec 2020 00:04:11 GMT
ステータス: 処理完了
システム内更新日: 2021-05-09 12:40:08.215222
Title: A Refined SVD Algorithm for Collaborative Filtering
Title（参考訳）: 協調フィルタリングのための改良SVDアルゴリズム
Authors: Marko Kabi\'c, Gabriel Duque L\'opez, Daniel Keller
Abstract要約: 協調フィルタリングは、類似した嗜好を持つ他のユーザの意見に基づいて、一部の項目に対するユーザの評価を予測しようとする。協調フィルタリングへの様々なアプローチがあり、最も人気のあるものはSingular Value Decomposition (SVD)とK-meansクラスタリングである。
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: Collaborative filtering tries to predict the ratings of a user over some items based on opinions of other users with similar taste. The ratings are usually given in the form of a sparse matrix, the goal being to find the missing entries (i.e. ratings). Various approaches to collaborative filtering exist, some of the most popular ones being the Singular Value Decomposition (SVD) and K-means clustering. One of the challenges in the SVD approach is finding a good initialization of the unknown ratings. A possible initialization is suggested by [1]. In this paper we explain how K-means approach can be used to achieve the further refinement of this initialization for SVD. We show that our technique outperforms both initialization techniques used separately.
Abstract（参考訳）: 協調フィルタリングは、類似した嗜好を持つ他のユーザの意見に基づいて、一部の項目に対するユーザの評価を予測しようとする。評価は通常、スパース行列の形で与えられるが、その目標は、欠落したエントリ(すなわち)を見つけることである。評価)。協調フィルタリングへの様々なアプローチがあり、最も人気のあるものはSingular Value Decomposition (SVD)とK-meansクラスタリングである。 SVDアプローチの課題の1つは、未知のレーティングの優れた初期化を見つけることである。可能な初期化は [1] で提案される。本稿では, SVD の初期化のさらなる洗練を実現するために K-means アプローチをどのように利用できるかを説明する。本手法は,2つの初期化手法を別々に比較した。

関連論文リスト

SUnAA: Sparse Unmixing using Archetypal Analysis [62.997667081978825]
本稿では, 古細菌スパルス解析(SUnAA)を用いた新しい地質学的エラーマップ手法を提案する。まず,古細菌スパース解析(SunAA)に基づく新しいモデルの設計を行う。
論文参考訳（メタデータ） (2023-08-09T07:58:33Z)
Understanding the Covariance Structure of Convolutional Filters [86.0964031294896]
最近では、ConvMixerやConvNeXtのようなViTにインスパイアされた畳み込みネットワークは、注目すべき構造を持つ大カーネル深度畳み込みを使用している。まず,このような学習フィルタの共分散行列が高度に構造化されていることを観測し,より大規模なネットワークを効果的に初期化するために,小さなネットワークから計算した共分散が用いられることを発見した。
論文参考訳（メタデータ） (2022-10-07T15:59:13Z)
Consistent Collaborative Filtering via Tensor Decomposition [0.2578242050187029]
協調フィルタリングは、ユーザのアクティビティを分析し、アイテムのレコメンデーションシステムを構築するためのデファクトスタンダードである。 Sliced Anti-symmetric Decomposition (SAD) は暗黙のフィードバックに基づく協調フィルタリングのための新しいモデルである。我々は,100万以上のユーザ・イテムインタラクションを含むシミュレーションおよび実世界のデータセットにおいて,SADの効率を実証する。
論文参考訳（メタデータ） (2022-01-28T05:14:37Z)
Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文参考訳（メタデータ） (2021-10-08T13:51:55Z)
Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。 FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文参考訳（メタデータ） (2021-09-13T08:31:59Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Sequence-Based Filtering for Visual Route-Based Navigation: Analysing the Benefits, Trade-offs and Design Choices [17.48671856442762]
ビジュアルプレース認識(VPR)の新たなトレンドは、単一フレームベースのプレースマッチング技術の上にシーケンスベースのフィルタリング方法を使用することである。本稿では,単一フレームに基づく位置マッチング手法の性能と,それらの手法上でのシーケンスベースフィルタリングの利用との関係について詳細に検討する。
論文参考訳（メタデータ） (2021-03-02T19:24:58Z)
Sparse-Interest Network for Sequential Recommendation [78.83064567614656]
本稿では,シーケンシャルレコメンデーションのためのtextbfSparse textbfInterest textbfNEtwork(SINE)を提案する。我々のスパース関心モジュールは、大きなコンセプトプールから各ユーザに対してスパースの概念セットを適応的に推測することができる。 SINEは最先端の手法よりも大幅に改善できる。
論文参考訳（メタデータ） (2021-02-18T11:03:48Z)
Scalable Initialization Methods for Large-Scale Clustering [0.0]
K平均クラスタリングのための2つの新しい手法を提案する。提案手法はスケーラブルであり、並列で実行できる。実験の結果,提案手法は最先端技術と良好に比較できることがわかった。
論文参考訳（メタデータ） (2020-07-23T11:29:53Z)
Leveraging Cross Feedback of User and Item Embeddings with Attention for Variational Autoencoder based Collaborative Filtering [25.569930256022925]
本稿では,VAEをベースとしたベイズ型MFフレームワークを提案する。このフレームワークは、ユーザとアイテムのエンコーダへの埋め込みの相互フィードバックを反復的に行う。現在再サンプリングされているユーザとアイテムの埋め込みに対して、行列係数化によってデータを再構築する。
論文参考訳（メタデータ） (2020-02-21T06:05:06Z)
A novel initialisation based on hospital-resident assignment for the k-modes algorithm [0.0]
本稿では,k-modesアルゴリズムの初期解を選択する新しい方法を提案する。これは、数学的公正性の概念と、文献から共通の初期化ができないデータの活用を可能にする。
論文参考訳（メタデータ） (2020-02-07T10:20:49Z)

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。