論文の概要: A Survey of Deep Reinforcement Learning in Recommender Systems: A
Systematic Review and Future Directions
- arxiv url: http://arxiv.org/abs/2109.03540v2
- Date: Thu, 9 Sep 2021 10:16:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-10 10:25:19.802491
- Title: A Survey of Deep Reinforcement Learning in Recommender Systems: A
Systematic Review and Future Directions
- Title（参考訳）: Recommender システムの深層強化学習に関する調査研究:システムレビューと今後の方向性
- Authors: Xiaocong Chen, Lina Yao, Julian McAuley, Guanglin Zhou, Xianzhi Wang
- Abstract要約: 本調査は,レコメンデーションシステムにおける近年の深層強化学習の動向を,タイムリーかつ包括的に概観することを目的としている。
本稿では,現在のDRLに基づくレコメンデータシステムの分類と既存手法の概要について述べる。
- 参考スコア（独自算出の注目度）: 40.73124164815037
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In light of the emergence of deep reinforcement learning (DRL) in recommender
systems research and several fruitful results in recent years, this survey aims
to provide a timely and comprehensive overview of the recent trends of deep
reinforcement learning in recommender systems. We start with the motivation of
applying DRL in recommender systems. Then, we provide a taxonomy of current
DRL-based recommender systems and a summary of existing methods. We discuss
emerging topics and open issues, and provide our perspective on advancing the
domain. This survey serves as introductory material for readers from academia
and industry into the topic and identifies notable opportunities for further
research.
- Abstract（参考訳）: 近年のレコメンデーションシステム研究における深層強化学習(DRL)の出現と実りある成果を踏まえ,本調査は,最近のレコメンデーションシステムにおける深層強化学習の動向をタイムリーかつ包括的に概観することを目的としている。
推奨システムにDRLを適用する動機から始める。
次に,現在のdrlベースのレコメンデータシステムの分類と既存手法の概要について述べる。
新たなトピックやオープンな問題について議論し、ドメインの進化に対する視点を提供します。
この調査は、学界や産業界からの読者にとって入門資料となり、さらなる研究の機会として注目される。
関連論文リスト
- Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond [41.08716571288641]
本論では,本質的なレコメンデーションに端を発する新しい分類法を紹介する。
本稿では,レコメンデーションシステムの発達過程をより正確に反映した3層構造を提案する。
論文 参考訳（メタデータ） (2024-10-10T08:22:04Z) - 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) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳（メタデータ） (2023-07-05T06:03:40Z) - Recent Developments in Recommender Systems: A Survey [34.810859384592355]
この研究は、パーソナライズされたシステムやグループレコメンデーションシステムを含む、レコメンデーションシステムの主要な分類を包括的にまとめることから始まる。
この調査は、レコメンデータシステムにおける堅牢性、データバイアス、公平性の問題を分析します。
この研究は、リコメンデータシステムの開発における最新のトレンドについての洞察を提供し、この分野における今後の研究の方向性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-06-22T05:51:49Z) - Recommender Systems: A Primer [7.487718119544156]
本稿では,従来のレコメンデーション問題の定式化について概説する。
次に、アイテム検索とランキングのための古典的アルゴリズムパラダイムをレビューする。
本稿では,近年のレコメンデーションシステム研究の進展について論じる。
論文 参考訳（メタデータ） (2023-02-06T06:19:05Z) - A Survey of Recommender System Techniques and the Ecommerce Domain [0.0]
本稿では,e-Commerce,e-tourism,e-resources,e- Government,e-learning,e-libraryにおけるレコメンダシステムのさまざまな技術と展開についてレビューする。
論文 参考訳（メタデータ） (2022-08-15T18:30:22Z) - Knowledge Transfer via Pre-training for Recommendation: A Review and
Prospect [89.91745908462417]
実験による推薦システムに対する事前学習の利点を示す。
事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
論文 参考訳（メタデータ） (2020-09-19T13:06:27Z) - Recommender Systems for the Internet of Things: A Survey [53.865011795953706]
勧告は、モノのインターネット(Internet of Things)の利益を開発し、促進する上で重要な段階である。
従来のレコメンデータシステムは、成長を続ける、動的で、異質なIoTデータを活用することができません。
論文 参考訳（メタデータ） (2020-07-14T01:24:44Z) - Deep Conversational Recommender Systems: A New Frontier for
Goal-Oriented Dialogue Systems [54.06971074217952]
Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。
ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
論文 参考訳（メタデータ） (2020-04-28T02:20:42Z)
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。