論文の概要: Destination similarity based on implicit user interest

• arxiv url: http://arxiv.org/abs/2102.06687v1
• Date: Fri, 12 Feb 2021 18:45:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-15 13:00:53.171779
• Title: Destination similarity based on implicit user interest
• Title（参考訳）: 暗黙的ユーザの関心に基づく目的地類似性
• Authors: Hongliu Cao, Eoin Thomas
• Abstract要約: 暗黙的ユーザ関心度の観点から目的地類似度を測定するために,新しい類似度法を提案する。 提案手法をレコメンダシステムにおける他の広く利用されている類似性対策と比較することにより,旅行データに有意な改善が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the digitization of travel industry, it is more and more important to understand users from their online behaviors. However, online travel industry data are more challenging to analyze due to extra sparseness, dispersed user history actions, fast change of user interest and lack of direct or indirect feedbacks. In this work, a new similarity method is proposed to measure the destination similarity in terms of implicit user interest. By comparing the proposed method to several other widely used similarity measures in recommender systems, the proposed method achieves a significant improvement on travel data. Key words: Destination similarity, Travel industry, Recommender System, Implicit user interest
• Abstract（参考訳）: 旅行産業のデジタル化に伴い、利用者のオンライン行動を理解することがますます重要である。 しかし、オンライン旅行業界のデータは、余分なスパース、ユーザ履歴アクションの分散、ユーザの関心の迅速な変化、直接的あるいは間接的なフィードバックの欠如などにより、分析が難しい。 本研究では,ユーザの暗黙的関心度から目的地の類似度を測定するための新しい類似度法を提案する。 提案手法をレコメンダシステムにおける他の広く利用されている類似性対策と比較することにより,旅行データに有意な改善が得られた。 キーワード:目的地の類似性、旅行業界、レコメンデーションシステム、暗黙のユーザーの興味

関連論文リスト

• Accelerated Stochastic ExtraGradient: Mixing Hessian and Gradient Similarity to Reduce Communication in Distributed and Federated Learning [50.382793324572845]
  分散コンピューティングはデバイス間の通信を伴うため、効率性とプライバシという2つの重要な問題を解決する必要がある。 本稿では,データ類似性とクライアントサンプリングのアイデアを取り入れた新しい手法について分析する。 プライバシー問題に対処するために,付加雑音の手法を適用し,提案手法の収束への影響を解析する。
  論文  参考訳（メタデータ） (2024-09-22T00:49:10Z)
• Retrieval Augmentation via User Interest Clustering [57.63883506013693]
  インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。 本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。 当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
  論文  参考訳（メタデータ） (2024-08-07T16:35:10Z)
• Multi-view user representation learning for user matching without personal information [0.0]
  類似性に基づく多視点情報融合を提案し,URLからより良いユーザ表現を学習する。 実験結果から,提案した多視点ユーザ表現学習は,異なる視点からの相補的な情報を活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-12-22T08:58:42Z)
• 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)
• Improving Recommendation Relevance by simulating User Interest [77.34726150561087]
  不活発な項目のランクを反復的に減らすことにより、リコメンデーション"レコメンデーション"が、簡単かつ透過的に維持可能であることを観察する。 この研究の背景にある基本的なアイデアは、オンラインレコメンデーションシステムの文脈で特許を取得している。
  論文  参考訳（メタデータ） (2023-02-03T03:35:28Z)
• PARSRec: Explainable Personalized Attention-fused Recurrent Sequential Recommendation Using Session Partial Actions [0.5801044612920815]
  共通のパターンと個人の行動に依存したアーキテクチャを提案する。 Nielsen Consumer Panel データセットの実証結果は,提案手法が最大27.9%のパフォーマンス向上を達成したことを示唆している。
  論文  参考訳（メタデータ） (2022-09-16T12:07:43Z)
• Recommending POIs for Tourists by User Behavior Modeling and Pseudo-Rating [3.839157829013354]
  観光客の多くは一度に数カ所の観光地を訪れており、これらのほとんどは新規観光客からのチェックインデータを持っていない。 従来のシステムでは、利用者の嗜好と人気、評判、カテゴリーに基づく類似性に基づいて観光スポットをランク付けしている。 観光客にPOIを推奨するメカニズムを提案する。
  論文  参考訳（メタデータ） (2021-10-13T06:21:41Z)
• Recall@k Surrogate Loss with Large Batches and Similarity Mixup [62.67458021725227]
  微分不可能な場合、評価計量の勾配降下による直接最適化は不可能である。 本研究は,リコールにおける相異なるサロゲート損失を提案する。 提案手法は,複数の画像検索ベンチマークにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-08-25T11:09:11Z)
• Out-of-Town Recommendation with Travel Intention Modeling [45.61038400572223]
  アウト・オブ・タウン・レコメンデーションは、ホームタウン・エリアを離れ、これまで行ったことのないエリアを訪れるユーザー向けに設計されています。 都市外チェックインの行動は、ユーザーのホームタウンの好みだけでなく、ユーザーの旅行意図によって決定されるため、都市外ユーザーに対してPOI(Point-of-interests)を推奨することは困難です。 本稿では,TRAINOR という名称の街外勧告フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T13:14:29Z)

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。