論文の概要: Apparel Recommender System based on Bilateral image shape features

• arxiv url: http://arxiv.org/abs/2105.01541v1
• Date: Tue, 4 May 2021 14:48:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 14:51:40.954649
• Title: Apparel Recommender System based on Bilateral image shape features
• Title（参考訳）: 両側画像形状特徴に基づくアパレル推薦システム
• Authors: Yichi Lu, Mingtian Gao, Ryosuke Saga
• Abstract要約: 本研究では、二重畳み込みニューラルネットワーク(CNN)をレコメンダシステムに統合する新しい確率モデルを提案する。 アパレルグッズでは、ユーザとアイテムの画像形状特徴から訓練された2つのcnnを組み合わせて、ユーザとアイテムの潜在変数を最適化する。 我々のモデルは、他の推奨モデルよりも正確な結果を予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic matrix factorization (PMF) is a well-known model of recommender systems. With the development of image recognition technology, some PMF recommender systems that combine images have emerged. Some of these systems use the image shape features of the recommended products to achieve better results compared to those of the traditional PMF. However, in the existing methods, no PMF recommender system can combine the image features of products previously purchased by customers and of recommended products. Thus, this study proposes a novel probabilistic model that integrates double convolutional neural networks (CNNs) into PMF. For apparel goods, two trained CNNs from the image shape features of users and items are combined, and the latent variables of users and items are optimized based on the vectorized features of CNNs and ratings. Extensive experiments show that our model predicts outcome more accurately than do other recommender models.
• Abstract（参考訳）: 確率行列分解(PMF)は推薦システムのよく知られたモデルである。 画像認識技術の発展に伴い、画像を組み合わせたpmfレコメンダシステムも登場している。 これらのシステムの中には、従来のPMFよりも優れた結果を得るために推奨製品の画像形状の特徴を使用するものもある。 しかし、既存の手法では、これまで顧客が購入した製品のイメージ特徴と推奨製品のイメージ特徴を組み合わせることはできない。 そこで本研究では、二重畳み込みニューラルネットワーク(CNN)をPMFに統合する新しい確率モデルを提案する。 アパレルグッズでは、ユーザとアイテムの画像形状特徴から訓練されたcnnを2つ組み合わせ、ユーザとアイテムの潜在変数をcnnとレーティングのベクトル化特徴に基づいて最適化する。 大規模な実験により、我々のモデルは他の推奨モデルよりも正確な結果を予測する。

関連論文リスト

• A Neural Matrix Decomposition Recommender System Model based on the Multimodal Large Language Model [1.1340133299604382]
  本稿では,BoNMFと呼ばれる多モーダル大規模言語モデルに基づくニューラルネットワーク行列分解推薦システムモデルを提案する。 ユーザとアイテムの潜在的な特性をキャプチャし、ユーザとアイテムIDからなる低次元行列と対話した後、ニューラルネットワークは結果を出力する。
  論文  参考訳（メタデータ） (2024-07-12T02:58:07Z)
• Positive-Unlabelled Learning for Improving Image-based Recommender System Explainability [2.9748898344267785]
  本研究は,Positive-Unlabelled (PU) Learning技術を活用することで,新たな説明者トレーニングパイプラインを提案する。 実験により、このPUベースのアプローチは、6つの人気のある実世界のデータセットで最先端の非PUメソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-09T10:40:31Z)
• DEEM: Diffusion Models Serve as the Eyes of Large Language Models for Image Perception [66.88792390480343]
  本稿では,拡散モデルの生成的フィードバックを利用して画像エンコーダのセマンティックな分布を整合させる,シンプルだが効果的なアプローチであるDEEMを提案する。 DEEMは、トレーニング可能なパラメータが少なく、事前学習データが少なく、ベースモデルのサイズが小さいことを利用して、モデル幻覚を軽減するために、強化された堅牢性と優れた能力を示す。
  論文  参考訳（メタデータ） (2024-05-24T05:46:04Z)
• A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の4.13%が大幅に向上した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Multi-View Photometric Stereo Revisited [100.97116470055273]
  多視点測光ステレオ(MVPS)は、画像から被写体を詳細に正確に3D取得する方法として好まれる。 MVPSは異方性や光沢などの他の対象物質と同様に,等方性に対しても有効である。 提案手法は、複数のベンチマークデータセットで広範囲にテストした場合に、最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-10-14T09:46:15Z)
• End-to-End Image-Based Fashion Recommendation [5.210197476419621]
  ファッションベースのレコメンデーション設定では、アイテムイメージの機能を取り入れることが重要な要素と考えられている。 本稿では,画像特徴を取り入れたシンプルな属性認識モデルを提案する。 2つの画像ベースの実世界のレコメンデータシステムデータセットの実験では、提案されたモデルが、最先端の画像ベースモデル全てを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-05-05T21:14:42Z)
• Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
  ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。 提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。 提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-07-27T08:59:39Z)
• Explainable Recommendation Systems by Generalized Additive Models with Manifest and Latent Interactions [3.022014732234611]
  本稿では,表現的および潜在的相互作用を持つ一般化加法モデルに基づく説明可能なレコメンデーションシステムを提案する。 効率的なモデルトレーニングと結果の視覚化のための新しいPythonパッケージGAMMLIが開発されました。
  論文  参考訳（メタデータ） (2020-12-15T10:29:12Z)
• A Black-Box Attack Model for Visually-Aware Recommender Systems [7.226144684379191]
  視覚認識レコメンデータシステム(RS)は近年,研究の関心が高まっている。 本研究では,外部ソースに依存したRSを攻撃に対して脆弱にすることができることを示す。 ブラックボックスアプローチでは,新たなビジュアルアタックモデルがアイテムのスコアやランキングに効果的に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2020-11-05T08:43:12Z)
• Providing reliability in Recommender Systems through Bernoulli Matrix Factorization [63.732639864601914]
  本稿では,予測値と信頼性値の両方を提供するためにBernoulli Matrix Factorization (BeMF)を提案する。 BeMFはメモリベースのフィルタリングではなく、モデルベースの協調フィルタリングに作用する。 予測の信頼性が高ければ高いほど、それが間違っているという責任は少なくなる。
  論文  参考訳（メタデータ） (2020-06-05T14:24:27Z)
• Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
  逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。 当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
  論文  参考訳（メタデータ） (2020-05-21T12:28:59Z)

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。