論文の概要: Single-Item Fashion Recommender: Towards Cross-Domain Recommendations
- arxiv url: http://arxiv.org/abs/2111.00758v1
- Date: Mon, 1 Nov 2021 08:15:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 15:02:15.258100
- Title: Single-Item Fashion Recommender: Towards Cross-Domain Recommendations
- Title（参考訳）: 単一項目ファッションレコメンデーション:クロスドメインレコメンデーションに向けて
- Authors: Seyed Omid Mohammadi, Hossein Bodaghi, Ahmad Kalhor (University of
Tehran, College of Engineering, School of Electrical and Computer
Engineering, Tehran, Iran)
- Abstract要約: 本稿では、まず、コンテントベースのファッションレコメンデーションシステムを提案する。
次に、ユーザの好みに基づいて結果をパーソナライズするために、同じ構造が強化される。
本論文の最後のコントリビューションは、客観的人的得点と呼ばれる推薦課題に対する新しい評価基準である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, recommender systems and search engines play an integral role in
fashion e-commerce. Still, many challenges lie ahead, and this study tries to
tackle some. This article first suggests a content-based fashion recommender
system that uses a parallel neural network to take a single fashion item shop
image as input and make in-shop recommendations by listing similar items
available in the store. Next, the same structure is enhanced to personalize the
results based on user preferences. This work then introduces a background
augmentation technique that makes the system more robust to out-of-domain
queries, enabling it to make street-to-shop recommendations using only a
training set of catalog shop images. Moreover, the last contribution of this
paper is a new evaluation metric for recommendation tasks called
objective-guided human score. This method is an entirely customizable framework
that produces interpretable, comparable scores from subjective evaluations of
human scorers.
- Abstract（参考訳）: 現在、レコメンダシステムと検索エンジンはファッションeコマースにおいて不可欠な役割を担っている。
それでも、多くの課題があり、この研究はいくつかの課題に取り組みます。
この記事ではまず,並列ニューラルネットワークを用いて1つのファッションアイテムショップイメージを入力として,店舗で利用可能な類似アイテムをリストアップしてショップ内レコメンデーションを行う,コンテンツベースのファッションレコメンデーションシステムを提案する。
次に、ユーザの好みに基づいて結果をパーソナライズするように、同じ構造が強化される。
この研究は、ドメイン外のクエリに対してより堅牢なシステムを実現するバックグラウンド拡張技術を導入し、カタログショップイメージのトレーニングセットのみを使用して、ストリート・ツー・ショップのレコメンデーションを可能にする。
さらに,本論文の最後の貢献は,客観的人間得点と呼ばれるレコメンデーションタスクのための新しい評価指標である。
この方法は、人間のスコアラーの主観評価から解釈可能で比較可能なスコアを生成する、完全にカスタマイズ可能なフレームワークである。
関連論文リスト
- Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers [5.464901224450247]
電子商取引プラットフォームは、顧客のショッピング上の関心を満たすための膨大なアイテムカタログを持っている。
学術文献では、これらのカルーセルの項目のランク付けとリコールセットの生成と向上のために多くのモデルが提案されている。
本研究は,これらのカルーセルのヘッダ生成プロセスをカスタマイズするための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-11T21:18:21Z) - General Item Representation Learning for Cold-start Content Recommendations [12.729624639270405]
冷間開始レコメンデーションのためのドメイン/データに依存しない表現学習フレームワークを提案する。
提案するモデルは、分類ラベルから完全に自由なエンドツーエンドのトレーニングが可能である。
論文 参考訳（メタデータ） (2024-04-22T00:48:56Z) - Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential
Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。
Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文 参考訳（メタデータ） (2024-01-12T15:26:40Z) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳（メタデータ） (2022-05-24T02:28:58Z) - 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) - User-Guided Personalized Image Aesthetic Assessment based on Deep
Reinforcement Learning [64.07820203919283]
本稿では,新しいユーザガイド型画像美観評価フレームワークを提案する。
深部強化学習(DRL)に基づく審美評価のためのユーザインタラクションを活用して画像のリタッチとランク付けを行う
パーソナライズされた審美分布は、異なるユーザの審美的嗜好とより一致している。
論文 参考訳（メタデータ） (2021-06-14T15:19:48Z) - Buy Me That Look: An Approach for Recommending Similar Fashion Products [5.9707788912142155]
我々は、類似のファッション製品を推薦する問題に対処するために、textbfShopLookと呼ばれる新しいコンピュータビジョンベースの手法を提案する。
提案手法はオンラインファッション電子商取引プラットフォームであるMyntraで評価されている。
論文 参考訳（メタデータ） (2020-08-26T16:01:00Z) - Personalized Fashion Recommendation from Personal Social Media Data: An
Item-to-Set Metric Learning Approach [71.63618051547144]
ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。
本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。
提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
論文 参考訳（メタデータ） (2020-05-25T23:24:24Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z) - Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。
エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。
提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
論文 参考訳（メタデータ） (2020-03-11T16:17:08Z)
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。