論文の概要: Simulations in Recommender Systems: An industry perspective
- arxiv url: http://arxiv.org/abs/2109.06723v1
- Date: Tue, 14 Sep 2021 14:42:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-15 20:55:50.259983
- Title: Simulations in Recommender Systems: An industry perspective
- Title(参考訳): 推薦システムにおけるシミュレーション:業界展望
- Authors: Lucas Bernardi, Sakshi Batra, Cintia Alicia Bruscantini
- Abstract要約: RSシミュレーションプラットフォームに関する文献を見て、強度とギャップを分析します。
我々は,RSシミュレーションプラットフォームの設計の指針として,反復的なRS構築プロセスの速度を最大化すると考えられる一連の原則を蒸留する。
- 参考スコア(独自算出の注目度): 1.7188280334580197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The construction of effective Recommender Systems (RS) is a complex process,
mainly due to the nature of RSs which involves large scale software-systems and
human interactions. Iterative development processes require deep understanding
of a current baseline as well as the ability to estimate the impact of changes
in multiple variables of interest. Simulations are well suited to address both
challenges and potentially leading to a high velocity construction process, a
fundamental requirement in commercial contexts. Recently, there has been
significant interest in RS Simulation Platforms, which allow RS developers to
easily craft simulated environments where their systems can be analysed. In
this work we discuss how simulations help to increase velocity, we look at the
literature around RS Simulation Platforms, analyse strengths and gaps and
distill a set of guiding principles for the design of RS Simulation Platforms
that we believe will maximize the velocity of iterative RS construction
processes.
- Abstract(参考訳): 効果的なレコメンダシステム(rs)の構築は複雑なプロセスであり、主に大規模ソフトウェアシステムとヒューマンインタラクションを含むrssの性質のためである。
反復的な開発プロセスは、現在のベースラインの深い理解と、関心のある複数の変数の変化の影響を見積もる能力を必要とします。
シミュレーションは両方の課題に対処するのに適しており、商業的な文脈における基本的な要件である高速な建設プロセスにつながる可能性がある。
近年、RSシミュレーションプラットフォームに大きな関心が寄せられ、RS開発者は自分のシステムが分析できるシミュレーション環境を簡単に構築できるようになっている。
本稿では,シミュレーションが速度向上にどのように役立つかを論じるとともに,RSシミュレーションプラットフォームに関する文献を考察し,強みとギャップを分析し,RSシミュレーションプラットフォームの設計の指針として,反復的なRS構築プロセスの速度を最大化すると考えている。
関連論文リスト
- Optimising Highly-Parallel Simulation-Based Verification of
Cyber-Physical Systems [0.0]
サイバー物理システム(CPS)は多くの産業関連領域で発生し、しばしばミッションクリティカルまたは安全クリティカルである。
CPSのシステムレベル検証(SLV)は、与えられた(例えば、安全か生きか)仕様が満たされているか、あるいはある価値を推定することを保証することを目的としている。
論文 参考訳(メタデータ) (2023-07-28T08:08:27Z) - Simulation-Based Parallel Training [55.41644538483948]
このようなボトルネックを緩和するトレーニングフレームワークを設計するために、現在進行中の作業を紹介します。
トレーニングプロセスと並行してデータを生成する。
このバイアスをメモリバッファで軽減する戦略を提案する。
論文 参考訳(メタデータ) (2022-11-08T09:31:25Z) - A Modular Framework for Reinforcement Learning Optimal Execution [68.8204255655161]
我々は、最適貿易実行問題への強化学習の適用のためのモジュラーフレームワークを開発する。
このフレームワークは、異なるシミュレーション設定の実装を容易にするために、柔軟性を念頭に設計されている。
論文 参考訳(メタデータ) (2022-08-11T09:40:42Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳(メタデータ) (2022-06-22T19:33:21Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳(メタデータ) (2021-11-15T18:50:04Z) - T-RECS: A Simulation Tool to Study the Societal Impact of Recommender
Systems [5.592114738742928]
我々は、研究者がレコメンデーションシステムをシミュレートするために設計されたオープンソースのPythonパッケージであるT-RECSを紹介する。
本稿では,T-RECSの柔軟性を実証するため,従来の2つのシミュレーションに基づく社会工学研究の再現を行った。
論文 参考訳(メタデータ) (2021-07-19T15:16:44Z) - SimNet: Computer Architecture Simulation using Machine Learning [3.7019798164954336]
この研究では、機械学習(ML)を使用して離散イベントシミュレーションを加速する共同作業について説明します。
提案した命令遅延予測器に基づいて,GPU加速並列シミュレータを実装した。
そのシミュレーション精度とスループットを、最先端シミュレータに対して検証し、評価する。
論文 参考訳(メタデータ) (2021-05-12T17:31:52Z) - Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。
これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
論文 参考訳(メタデータ) (2021-03-01T22:55:48Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z) - Integrating Machine Learning with HPC-driven Simulations for Enhanced
Student Learning [0.0]
シミュレーション出力を生成するためのHPC駆動型シミュレーションとMLサロゲート手法の両方をサポートするWebアプリケーションを開発した。
授業内フィードバックと調査を通じて評価した結果,ML強化ツールは動的かつ応答性のあるシミュレーション環境を提供することがわかった。
論文 参考訳(メタデータ) (2020-08-24T22:48:21Z)
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。