論文の概要: Combinations of Jaccard with Numerical Measures for Collaborative Filtering Enhancement: Current Work and Future Proposal

• arxiv url: http://arxiv.org/abs/2111.12202v1
• Date: Wed, 24 Nov 2021 00:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-25 16:15:00.462265
• Title: Combinations of Jaccard with Numerical Measures for Collaborative Filtering Enhancement: Current Work and Future Proposal
• Title（参考訳）: 協調フィルタリング強化のためのジャカードと数値手法の併用:現状と今後の課題
• Authors: Ali A. Amer and Loc Nguyen
• Abstract要約: 本研究は,ジャカードといくつかの数値測度を組み合わせることで,新しい類似度尺度を提案することに焦点を当てる。 また,Movie-lensデータセットを用いた実験結果から,検討した評価指標に対して,組み合わせた測定値が全測定値を上回っていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Collaborative filtering (CF) is an important approach for recommendation system which is widely used in a great number of aspects of our life, heavily in the online-based commercial systems. One popular algorithms in CF is the K-nearest neighbors (KNN) algorithm, in which the similarity measures are used to determine nearest neighbors of a user, and thus to quantify the dependency degree between the relative user/item pair. Consequently, CF approach is not just sensitive to the similarity measure, yet it is completely contingent on selection of that measure. While Jaccard - as one of those commonly used similarity measures for CF tasks - concerns the existence of ratings, other numerical measures such as cosine and Pearson concern the magnitude of ratings. Particularly speaking, Jaccard is not a dominant measure, but it is long proven to be an important factor to improve any measure. Therefore, in our continuous efforts to find the most effective similarity measures for CF, this research focuses on proposing new similarity measure via combining Jaccard with several numerical measures. The combined measures would take the advantages of both existence and magnitude. Experimental results on, Movie-lens dataset, showed that the combined measures are preeminent outperforming all single measures over the considered evaluation metrics.
• Abstract（参考訳）: 協調フィルタリング(CF)はリコメンデーションシステムにとって重要なアプローチであり、オンラインベースの商業システムにおいて、私たちの生活の多くの側面で広く利用されている。 cfで一般的なアルゴリズムはk-nearest neighbors(knn)アルゴリズムであり、類似度尺度を用いてユーザの最寄りの近傍を判断し、相対的なユーザ/itemペア間の依存性度を定量化する。 したがって、cfアプローチは類似度尺度に敏感であるだけでなく、その尺度の選択に完全に依存している。 ヤカルドはCFタスクによく使われる類似度尺度の一つであり、レーティングの存在を懸念する一方で、コサインやピアソンのような数値的な尺度は評価の規模を懸念している。 特にジャカードは支配的な尺度ではないが、あらゆる尺度を改善する重要な要因であることが証明されている。 そこで本研究では, cf の最も効果的な類似度尺度を求めるための継続的な取り組みとして, jaccard といくつかの数値尺度を組み合わせることにより, 新たな類似度尺度を提案することに焦点を当てた。 この組み合わせは存在と規模の両方の利点を生かすことになる。 また,Movie-lensデータセットを用いた実験結果から,検討した評価指標を総合的に比較した。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Differentiable Optimization of Similarity Scores Between Models and Brains [1.5391321019692434]
  線形回帰、CKA(Centered Kernel Alignment)、正規化バーレス類似度(NBS)、角状プロクリスト距離といった類似度は、この類似度を定量化するためにしばしば用いられる。 本稿では、類似度の高いスコアと「良い」スコアを構成するスコアについて調査する新しいツールについて紹介する。 驚くべきことに、高い類似度スコアは、ニューラルデータと整合した方法でタスク関連情報を符号化することを保証していない。
  論文  参考訳（メタデータ） (2024-07-09T17:31:47Z)
• A Bayesian Active Learning Approach to Comparative Judgement [3.0098452499209705]
  伝統的なマーキングは、不整合と無意識のバイアスの源であり、評価者に高い認知的負荷を課す。 CJでは、評価者には2つのアイテムが提示され、より良いものを選択するように求められます。 CJはマーキングの信頼できる方法と考えられているが、透明性に関する懸念がある。 比較項目のランクを決定するために,CJ (BCJ) に対する新しいベイズ的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-25T10:33:44Z)
• Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
  SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。 厳密な手法により分類性能は向上するが、計算コストが高い。 本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:44:19Z)
• Mining Relations among Cross-Frame Affinities for Video Semantic Segmentation [87.4854250338374]
  関連性間の関係を, 単一スケールの内在的相関と多スケールの関係という2つの側面で検討する。 実験により,提案手法は最先端のVSS法に対して好適に動作することを示した。
  論文  参考訳（メタデータ） (2022-07-21T12:12:36Z)
• Recall@k Surrogate Loss with Large Batches and Similarity Mixup [62.67458021725227]
  微分不可能な場合、評価計量の勾配降下による直接最適化は不可能である。 本研究は,リコールにおける相異なるサロゲート損失を提案する。 提案手法は,複数の画像検索ベンチマークにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-08-25T11:09:11Z)
• Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
  近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。 推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。 本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
  論文  参考訳（メタデータ） (2021-07-28T16:29:38Z)
• LSF-Join: Locality Sensitive Filtering for Distributed All-Pairs Set Similarity Under Skew [58.21885402826496]
  全ペアセットの類似性は、大規模で高次元のデータセットであっても広く使われているデータマイニングタスクである。 我々は,全対集合の類似性を近似するために,新しい分散アルゴリズム LSF-Join を提案する。 LSF-Joinは、小さな類似度閾値やスキュー入力セットであっても、最も近いペアを効率的に見つける。
  論文  参考訳（メタデータ） (2020-03-06T00:06:20Z)
• A Soft Recommender System for Social Networks [1.8275108630751844]
  最近のソーシャルレコメンデーションシステムは、正確なレコメンデーションを行うために友情グラフの恩恵を受けている。 われわれはさらに一歩進んで、もっとリアルなリコメンデーションをする真の友達を特定した。 ユーザ間の類似度と,ユーザとアイテム間の依存関係を計算した。
  論文  参考訳（メタデータ） (2020-01-08T13:38:09Z)

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。