論文の概要: Recommending Short-lived Dynamic Packages for Golf Booking Services

• arxiv url: http://arxiv.org/abs/2103.07779v1
• Date: Sat, 13 Mar 2021 19:48:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 14:21:11.305381
• Title: Recommending Short-lived Dynamic Packages for Golf Booking Services
• Title（参考訳）: ゴルフ予約サービスにおける短命な動的パッケージの推薦
• Authors: Robin Swezey, Young-joo Chung
• Abstract要約: ゴルフ予約サービスに短命ダイナミックパッケージを推奨するアプローチを紹介します。 1つ目は、アイテムの短い寿命で、システムは恒久的なコールドスタートの状態になります。 2つ目は、パッケージ属性の非形式的性質であり、クラスタ化や潜在パッケージの特定が困難になる。
• 参考スコア（独自算出の注目度）: 0.5076419064097732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce an approach to recommending short-lived dynamic packages for golf booking services. Two challenges are addressed in this work. The first is the short life of the items, which puts the system in a state of a permanent cold start. The second is the uninformative nature of the package attributes, which makes clustering or figuring latent packages challenging. Although such settings are fairly pervasive, they have not been studied in traditional recommendation research, and there is thus a call for original approaches for recommender systems. In this paper, we introduce a hybrid method that leverages user analysis and its relation to the packages, as well as package pricing and environmental analysis, and traditional collaborative filtering. The proposed approach achieved appreciable improvement in precision compared with baselines.
• Abstract（参考訳）: ゴルフ予約サービスに短命ダイナミックパッケージを推奨するアプローチを紹介します。 この作業では2つの課題が解決される。 1つ目は、アイテムの短い寿命で、システムは恒久的なコールドスタートの状態になります。 2つ目は、パッケージ属性の非形式的性質であり、クラスタ化や潜在パッケージの特定が困難になる。 このような設定は広く普及しているが、従来の推奨研究では研究されておらず、レコメンダシステムに対する独自のアプローチを求める声もある。 本稿では,ユーザ分析とパッケージとの関係,パッケージの価格設定と環境分析,従来の協調フィルタリングを活用したハイブリッド手法を提案する。 提案手法はベースラインと比較して精度が向上した。

関連論文リスト

• Language-Model Prior Overcomes Cold-Start Items [14.370472820496802]
  RecSysの成長は、デジタル化と、eコマースやビデオストリーミングなどの分野におけるパーソナライズされたコンテンツの必要性による。 コンテンツベースのレコメンデータやハイブリッドメソッドといったコールドスタート問題の既存のソリューションは、アイテムメタデータを活用してアイテムの類似性を決定する。 本稿では,言語モデル(LM)を用いて項目類似度を推定する,コールドスタートアイテムレコメンデーションのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-13T22:45:52Z)
• Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
  そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。 本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T04:20:15Z)
• End-to-End Learnable Item Tokenization for Generative Recommendation [51.82768744368208]
  本稿では,アイテムのトークン化と生成レコメンデーションをシームレスに統合した,新しいエンドツーエンド生成レコメンダであるETEGRecを提案する。 本フレームワークは、アイテムトークン化器と生成レコメンデータで構成されるデュアルエンコーダデコーダアーキテクチャに基づいて開発されている。
  論文  参考訳（メタデータ） (2024-09-09T12:11:53Z)
• Cost-Effective Proxy Reward Model Construction with On-Policy and Active Learning [70.22819290458581]
  人間のフィードバックによる強化学習(RLHF)は、現在の大規模言語モデルパイプラインにおいて広く採用されているアプローチである。 提案手法では,(1)OODを回避するためのオン・ポリシー・クエリと,(2)プライオリティ・クエリの最も情報性の高いデータを選択するためのアクティブ・ラーニングという2つの重要なイノベーションを導入している。
  論文  参考訳（メタデータ） (2024-07-02T10:09:19Z)
• 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)
• A Sequence-Aware Recommendation Method Based on Complex Networks [1.385805101975528]
  データからネットワークモデルを構築し、それを使ってユーザのその後のアクションを予測する。 提案手法は大規模データセット上で実験的に実装および試験を行った。
  論文  参考訳（メタデータ） (2022-09-30T16:34:39Z)
• A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques [0.0]
  Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。 より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。 研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
  論文  参考訳（メタデータ） (2022-05-03T22:13:33Z)
• Generating Self-Serendipity Preference in Recommender Systems for Addressing Cold Start Problems [9.281057513518498]
  セレンディピティー指向のレコメンデーションシステムは,ユーザの自己セレンディピティー嗜好を生成し,レコメンデーション性能を高める。 モデルは、ユーザの興味や満足度を抽出し、仮想的だが信じがたい隣人の好みを自己から生成し、自己セレンディピティーの好みを達成する。
  論文  参考訳（メタデータ） (2022-04-27T01:29:47Z)
• Trust your neighbors: A comprehensive survey of neighborhood-based methods for recommender systems [16.874144306491477]
  近隣住民による協調的なレコメンデーションアプローチは、その単純さ、効率、そして正確でパーソナライズされたレコメンデーションを生み出す能力のために、現在でも非常に人気がある。 本章では, 項目推薦問題に対する周辺手法の包括的調査を行う。
  論文  参考訳（メタデータ） (2021-09-09T23:16:39Z)
• Exploration in two-stage recommender systems [79.50534282841618]
  2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。 このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。 そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T16:52:51Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。