論文の概要: A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers
- arxiv url: http://arxiv.org/abs/2105.12876v1
- Date: Wed, 26 May 2021 23:10:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-28 16:05:26.916700
- Title: A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers
- Title（参考訳）: スマートフォンを見込み客に推薦するハイブリッドレコメンダシステム
- Authors: Pratik K. Biswas, Songlin Liu
- Abstract要約: ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.7310043452300736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recommender Systems are a subclass of machine learning systems that employ
sophisticated information filtering strategies to reduce the search time and
suggest the most relevant items to any particular user. Hybrid recommender
systems combine multiple recommendation strategies in different ways to benefit
from their complementary advantages. Some hybrid recommender systems have
combined collaborative filtering and content-based approaches to build systems
that are more robust. In this paper, we propose a hybrid recommender system,
which combines Alternative Least Squares (ALS) based collaborative filtering
with deep learning to enhance recommendation performance as well as overcome
the limitations associated with the collaborative filtering approach,
especially concerning its cold start problem. In essence, we use the outputs
from ALS (collaborative filtering) to influence the recommendations from a Deep
Neural Network (DNN), which combines characteristic, contextual, structural and
sequential information, in a big data processing framework. We have conducted
several experiments in testing the efficacy of the proposed hybrid architecture
in recommending smartphones to prospective customers and compared its
performance with other open-source recommenders. The results have shown that
the proposed system has outperformed several existing hybrid recommender
systems.
- Abstract（参考訳）: レコメンダシステムは、高度な情報フィルタリング戦略を用いて検索時間を短縮し、特定のユーザに最も関連する項目を提案する機械学習システムのサブクラスである。
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,代替最小二乗法(als)に基づくコラボレーティブフィルタリングとディープラーニングを組み合わせることにより,コラボレーティブなフィルタリング手法,特にコールドスタート問題に関する制限を克服したハイブリッドレコメンダシステムを提案する。
本質的に、我々はALS(協調フィルタリング)の出力を用いて、ビッグデータ処理フレームワークにおける特徴、文脈、構造、シーケンシャルな情報を組み合わせたディープニューラルネットワーク(DNN)のレコメンデーションに影響を与える。
我々は,提案するハイブリッドアーキテクチャの有効性を検証する実験を,スマートフォンを顧客に推奨し,その性能を他のオープンソースレコメンデータと比較した。
その結果,提案システムは既存のハイブリッドレコメンダシステムよりも優れていることがわかった。
関連論文リスト
- An Efficient Multi-threaded Collaborative Filtering Approach in Recommendation System [0.0]
本研究は,多数のユーザを効率的に扱えるスケーラブルなレコメンデーションシステムの構築に焦点を当てる。
これを実現するために、マルチスレッドの類似性アプローチが採用されている。
この並列化は従来の手法に比べて計算時間を著しく短縮し、高速で効率的でスケーラブルなレコメンデーションシステムをもたらす。
論文 参考訳（メタデータ） (2024-09-28T06:33:18Z) - Mirror Gradient: Towards Robust Multimodal Recommender Systems via
Exploring Flat Local Minima [54.06000767038741]
フラットローカルミニマの新しい視点からマルチモーダルリコメンデータシステムの解析を行う。
我々はミラーグラディエント(MG)と呼ばれる簡潔で効果的な勾配戦略を提案する。
提案したMGは、既存の堅牢なトレーニング手法を補完し、多様な高度なレコメンデーションモデルに容易に拡張できることが判明した。
論文 参考訳（メタデータ） (2024-02-17T12:27:30Z) - 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) - Semi-decentralized Federated Ego Graph Learning for Recommendation [58.21409625065663]
デバイス上でのレコメンデーションのための半分散型フェデレーションエゴグラフ学習フレームワークであるSemiDFEGLを提案する。
提案するフレームワークはモデルに依存しないため、既存のグラフニューラルネットワークベースのレコメンデーションメソッドやプライバシ保護技術とシームレスに統合できる。
論文 参考訳（メタデータ） (2023-02-10T03:57:45Z) - 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) - Broad Recommender System: An Efficient Nonlinear Collaborative Filtering
Approach [56.12815715932561]
我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。
深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。
7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
論文 参考訳（メタデータ） (2022-04-20T01:25:08Z) - GHRS: Graph-based Hybrid Recommendation System with Application to Movie
Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。
オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。
The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文 参考訳（メタデータ） (2021-11-06T10:47:45Z) - New Hybrid Techniques for Business Recommender Systems [0.0]
本稿では,知識に基づくB2Bサービスにレコメンデータシステムを組み込むプロセスを提案する。
必要な文脈知識を組み込むための推奨手法をいくつか提案し、比較する。
これらの技術は、ビジネスインテリジェンスコンサルタントの試験セットで独立して評価される。
論文 参考訳（メタデータ） (2021-09-27T11:21:31Z) - A Comprehensive Review on Non-Neural Networks Collaborative Filtering
Recommendation Systems [1.3124513975412255]
協調フィルタリング(CF)は、あるユーザグループの既知の好みを利用して、他のユーザの未知の好みに関する予測とレコメンデーションを行う。
1990年代に初めて導入され、様々なモデルが提案されている。
多くの分野で機械学習技術の成功により、リコメンデーションシステムにおけるそのようなアルゴリズムの適用に重点が置かれている。
論文 参考訳（メタデータ） (2021-06-20T11:13:33Z) - 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)
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。