論文の概要: Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations
- arxiv url: http://arxiv.org/abs/2107.03226v1
- Date: Wed, 7 Jul 2021 13:57:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-08 19:45:21.213250
- Title: Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations
- Title（参考訳）: グラフ化は重要なこと:説明可能なグラフベースのレコメンデーションでアスペクトの意見と評価を活用する
- Authors: Iv\'an Cantador, Andr\'es Carvallo, Fernando Diez, Denis Parra
- Abstract要約: 本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。
提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
- 参考スコア（独自算出の注目度）: 66.83527496838937
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The success of neural network embeddings has entailed a renewed interest in
using knowledge graphs for a wide variety of machine learning and information
retrieval tasks. In particular, current recommendation methods based on graph
embeddings have shown state-of-the-art performance. These methods commonly
encode latent rating patterns and content features. Different from previous
work, in this paper, we propose to exploit embeddings extracted from graphs
that combine information from ratings and aspect-based opinions expressed in
textual reviews. We then adapt and evaluate state-of-the-art graph embedding
techniques over graphs generated from Amazon and Yelp reviews on six domains,
outperforming baseline recommenders. Our approach has the advantage of
providing explanations which leverage aspect-based opinions given by users
about recommended items. Furthermore, we also provide examples of the
applicability of recommendations utilizing aspect opinions as explanations in a
visualization dashboard, which allows obtaining information about the most and
least liked aspects of similar users obtained from the embeddings of an input
graph.
- Abstract（参考訳）: ニューラルネットワークの埋め込みの成功は、さまざまな機械学習や情報検索タスクに知識グラフを使うことに対する関心を新たに高めた。
特に、グラフ埋め込みに基づく現在のレコメンデーションメソッドは最先端のパフォーマンスを示している。
これらの手法は一般に遅延評価パターンとコンテンツ特徴を符号化する。
本稿では,従来の研究と異なり,テキストレビューで表現された評価とアスペクトに基づく意見情報を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
提案手法は,ユーザから推奨項目に関する側面に基づく意見を活用できる説明を提供するという利点がある。
さらに,類似ユーザの最も好ましくない側面に関する情報を入力グラフの埋め込みから得ることが可能な可視化ダッシュボードにおいて,アスペクト意見を解説として活用した推薦の適用性を示す例を示す。
関連論文リスト
- Review of Explainable Graph-Based Recommender Systems [2.1711205684359247]
本稿では,説明可能なグラフベースレコメンデータシステムの最先端のアプローチについて論じる。
それは、学習方法、説明方法、説明型という3つの側面に基づいて分類する。
論文 参考訳（メタデータ） (2024-07-31T21:30:36Z) - Evaluating graph-based explanations for AI-based recommender systems [1.2499537119440245]
本稿では,AIによるレコメンデーションに対するユーザの認識を改善するために,グラフに基づく説明の有効性について検討する。
ユーザがグラフベースの説明を,機能の重要性を含む設計よりも有用であると認識していることが分かりました。
論文 参考訳（メタデータ） (2024-07-17T07:28:49Z) - Conditional Attention Networks for Distilling Knowledge Graphs in
Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。
本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。
そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文 参考訳（メタデータ） (2021-11-03T09:40:43Z) - Unbiased Graph Embedding with Biased Graph Observations [52.82841737832561]
基礎となるバイアスのないグラフから学習することで、バイアスのない表現を得るための、原則化された新しい方法を提案する。
この新たな視点に基づいて、そのような基礎となるグラフを明らかにするための2つの補完的手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T18:44:37Z) - Recommender systems based on graph embedding techniques: A comprehensive
review [9.871096870138043]
本稿では,二部グラフ,一般グラフ,知識グラフの埋め込み手法からのグラフ埋め込みに基づく推薦を体系的に振り返る。
いくつかの代表的なグラフ埋め込みベースのレコメンデーションモデルと、最もよく使われている従来のレコメンデーションモデルを比較すると、従来のモデルは、暗黙のユーザ-イテム相互作用を予測するためにグラフ埋め込みベースのレコメンデーションモデルよりも総合的に優れていることが示される。
論文 参考訳（メタデータ） (2021-09-20T14:42:39Z) - Rating and aspect-based opinion graph embeddings for explainable
recommendations [69.9674326582747]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
論文 参考訳（メタデータ） (2021-07-07T14:07:07Z) - Reinforcement Learning with Feedback Graphs [69.1524391595912]
エージェントがステップ毎に追加のフィードバックを受けた場合,決定過程におけるエピソード強化学習について検討する。
状態-作用対上のフィードバックグラフを用いてこの設定を定式化し、モデルベースのアルゴリズムが追加のフィードバックを利用してよりサンプル効率のよい学習を行うことを示す。
論文 参考訳（メタデータ） (2020-05-07T22:35:37Z) - 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。