論文の概要: A Survey on Personality-Aware Recommendation Systems

• arxiv url: http://arxiv.org/abs/2101.12153v1
• Date: Thu, 28 Jan 2021 18:03:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-01-31 20:57:20.682983
• Title: A Survey on Personality-Aware Recommendation Systems
• Title（参考訳）: パーソナリティ・アウェア・レコメンデーションシステムに関する調査
• Authors: Sahraoui Dhelim, Nyothiri Aung, Mohammed Amine Bouras, Huansheng Ning and Erik Cambria
• Abstract要約: 本調査は,パーソナライズ・アウェア・レコメンデーション・システムについて研究し,体系的に分類することを目的とする。 パーソナライズ対応レコメンデーションシステムの設計選択について検討する。 一般的なデータセットを提示し、パーソナライズ対応レコメンデーションシステムの課題をいくつか指摘する。
• 参考スコア（独自算出の注目度）: 14.607209068520259
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the emergence of personality computing as a new research field related to artificial intelligence and personality psychology, we have witnessed an unprecedented proliferation of personality-aware recommendation systems. Unlike conventional recommendation systems, these new systems solve traditional problems such as the cold start and data sparsity problems. This survey aims to study and systematically classify personality-aware recommendation systems. To the best of our knowledge, this survey is the first that focuses on personality-aware recommendation systems. We explore the different design choices of personality-aware recommendation systems, by comparing their personality modeling methods, as well as their recommendation techniques. Furthermore, we present the commonly used datasets and point out some of the challenges of personality-aware recommendation systems.
• Abstract（参考訳）: 人工知能とパーソナリティ心理学に関する新たな研究分野としてパーソナリティコンピューティングの出現に伴い、私たちは、パーソナリティを意識したレコメンデーションシステムの前例のない増殖を目撃した。 従来のレコメンデーションシステムとは異なり、これらの新システムはコールドスタートやデータの分散といった従来の問題を解決する。 本調査は,パーソナリティを意識した推薦システムの研究と分類を目的とする。 我々の知る限りでは、この調査はパーソナリティを意識したレコメンデーションシステムに焦点を当てた初めてのものである。 パーソナリティ認識型推薦システムの異なるデザイン選択について,パーソナリティモデリング手法とレコメンデーション手法を比較して検討する。 さらに,一般的なデータセットを提示し,パーソナリティ認識型推薦システムの課題を指摘する。

関連論文リスト

• Transparency, Privacy, and Fairness in Recommender Systems [0.19036571490366497]
  このハビテーションは、(i)透明性と認知モデル、(ii)プライバシーと限定された嗜好情報、(iii)推薦システムにおける公正性と人気バイアスに関連する側面を精査する。
  論文  参考訳（メタデータ） (2024-06-17T08:37:14Z)
• 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)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 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。
  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)
• RGRecSys: A Toolkit for Robustness Evaluation of Recommender Systems [100.54655931138444]
  複数の次元を包含するレコメンダシステムに対して,ロバスト性に関するより包括的視点を提案する。 本稿では、RecSys用のロバストネス評価ツールキットRobustness Gymを紹介し、リコメンダシステムモデルのロバストネスを迅速かつ均一に評価できるようにする。
  論文  参考訳（メタデータ） (2022-01-12T10:32:53Z)
• Big-Five, MPTI, Eysenck or HEXACO: The Ideal Personality Model for Personality-aware Recommendation Systems [2.3729121267545357]
  パーソナリティを考慮したレコメンデーションシステムは従来のレコメンデーションシステムと比較して精度が高いことが証明されている。 本稿では,異なるパーソナリティモデルに基づく4つのパーソナリティ認識レコメンデーションシステムについて検討・比較する。 本稿では,人格特性モデルと人格モデルとを活かしたハイブリッドな人格モデルを提案する。
  論文  参考訳（メタデータ） (2021-06-06T08:17:55Z)
• Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
  実験による推薦システムに対する事前学習の利点を示す。 事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
  論文  参考訳（メタデータ） (2020-09-19T13:06:27Z)
• 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)
• 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)
• Enabling the Analysis of Personality Aspects in Recommender Systems [0.0]
  既存のレコメンデーションシステムは、ユーザーからのフィードバック、例えば評価、類似したユーザーを検出するための一般的な項目に対するレビューの活用に重点を置いている。 我々はこの問題を,共通項目に対するフィードバックのないデータスパシティ (DSW-n-FCI) と呼んでいる。 ユーザの個性タイプを,ユーザの負担なく暗黙的に識別し,ユーザの個人的関心や知識レベルとともに取り入れる。
  論文  参考訳（メタデータ） (2020-01-07T23:02:07Z)

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。