論文の概要: Implicit Feedback-based Group Recommender System for Internet of Thing Applications

• arxiv url: http://arxiv.org/abs/2102.00835v1
• Date: Fri, 29 Jan 2021 12:33:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-02 23:45:24.152196
• Title: Implicit Feedback-based Group Recommender System for Internet of Thing Applications
• Title（参考訳）: Internet of Thing アプリケーションのための暗黙のフィードバックに基づくグループ推奨システム
• Authors: Zhiwei Guo, Keping Yu, Tan Guo, Ali Kashif Bashir, Muhammad Imran, Mohsen Guizani
• Abstract要約: 本稿では,IoTベースのソーシャルメディアに対して,暗黙的なフィードバックに基づくグループレコメンデーションシステムを提案する。 グローバルに最適な推奨結果は、非協調ゲームを用いて計算することができる。 実験の結果, GREPINGの促進と安定性は, ベースライン法に比べ明らかであった。
• 参考スコア（独自算出の注目度）: 39.48121002037927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the prevalence of Internet of Things (IoT)-based social media applications, the distance among people has been greatly shortened. As a result, recommender systems in IoT-based social media need to be developed oriented to groups of users rather than individual users. However, existing methods were highly dependent on explicit preference feedbacks, ignoring scenarios of implicit feedback. To remedy such gap, this paper proposes an implicit feedback-based group recommender system using probabilistic inference and non-cooperative game(GREPING) for IoT-based social media. Particularly, unknown process variables can be estimated from observable implicit feedbacks via Bayesian posterior probability inference. In addition, the globally optimal recommendation results can be calculated with the aid of non-cooperative game. Two groups of experiments are conducted to assess the GREPING from two aspects: efficiency and robustness. Experimental results show obvious promotion and considerable stability of the GREPING compared to baseline methods.
• Abstract（参考訳）: モノのインターネット(IoT)ベースのソーシャルメディアアプリケーションの流行により、人々間の距離が大幅に短縮されました。 その結果、iotベースのソーシャルメディアにおけるリコメンダシステムは、個々のユーザではなく、ユーザグループ指向で開発する必要がある。 しかし、既存の手法は暗黙のフィードバックのシナリオを無視し、明示的な嗜好フィードバックに強く依存していた。 そこで本論文では,IoT型ソーシャルメディアにおける確率推論と非協調ゲーム(GREPING)を用いた暗黙的フィードバック型グループレコメンダーシステムを提案する。 特に、未知のプロセス変数はベイズ後方確率推定によって観測可能な暗黙的フィードバックから推定できる。 さらに,非協調ゲームを用いて,グローバルに最適な推薦結果を算出することができる。 GREPINGを効率性と頑健性という2つの側面から評価する実験を2つのグループで行った。 実験の結果, GREPINGの促進と安定性は, ベースライン法に比べ明らかであった。

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)
• Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
  コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。 既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。 本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
  論文  参考訳（メタデータ） (2023-02-10T05:10:26Z)
• FedGRec: Federated Graph Recommender System with Lazy Update of Latent Embeddings [108.77460689459247]
  プライバシー問題を軽減するためのフェデレートグラフレコメンダシステム(FedGRec)を提案する。 本システムでは,ユーザとサーバは,ユーザとアイテムに対する遅延埋め込みを明示的に記憶する。 我々は,遅延埋め込みを相互作用グラフの欠落のプロキシとして用いることの有効性を検証するために,広範な実験的な評価を行った。
  論文  参考訳（メタデータ） (2022-10-25T01:08:20Z)
• A Recommendation Approach based on Similarity-Popularity Models of Complex Networks [1.385805101975528]
  そこで本研究では,類似性傾向モデルにより生成された複雑なネットワークをベースとした新しい推薦手法を提案する。 まず、観測されたレーティングからユーザとアイテムをノードとして持つネットワークモデルを構築し、そのモデルを用いて未知のレーティングを予測する。 提案手法は, 各種ドメインの21データセットに対して, ベースラインと最先端のレコメンデーション手法に対して, 提案手法を実装, 実験的に比較した。
  論文  参考訳（メタデータ） (2022-09-29T11:00:06Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
  近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。 本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。 従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
  論文  参考訳（メタデータ） (2022-07-04T17:58:39Z)
• Exploration of the possibility of infusing Social Media Trends into generating NFT Recommendations [0.0]
  傾向から抽出した意見マイニングデータの活用により, 提言の改善が試みられている。 ユニークな項目のセットで生成されたレコメンデーションに影響を与える社会的傾向が検討されている。 本研究で提案されている勧告アーキテクチャは,社会トレンドとレコメンデーションを統合し,有望なアウトプットを生み出す方法を示す。
  論文  参考訳（メタデータ） (2022-05-03T22:14:12Z)
• Long-term Dynamics of Fairness Intervention in Connection Recommender Systems [5.048563042541915]
  本稿では,Webスケールのソーシャルネットワークが採用するシステムにパターン化されたコネクションレコメンデータシステムについて検討する。 全体としては公平に思われるが、共通露出とユーティリティパリティの介入は、長期的なバイアスの増幅を緩和することができない。
  論文  参考訳（メタデータ） (2022-03-30T16:27:48Z)
• CausPref: Causal Preference Learning for Out-of-Distribution Recommendation [36.22965012642248]
  現在のレコメンデータシステムは、現実的なシナリオにおけるユーザやアイテムの配布シフトに対して、依然として脆弱である。 本稿では,推奨特化DAG学習者を因果選好に基づく推薦フレームワークCausPrefに組み込むことを提案する。 当社のアプローチは、アウト・オブ・ディストリビューション・セッティングのタイプにおいて、ベンチマークモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2022-02-08T16:42:03Z)

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。