Fugu-MT 論文翻訳(概要): Movie Recommender System using critic consensus

論文の概要: Movie Recommender System using critic consensus

arxiv url: http://arxiv.org/abs/2112.11854v1
Date: Wed, 22 Dec 2021 13:04:41 GMT
ステータス: 処理完了
システム内更新日: 2021-12-23 16:28:06.935643
Title: Movie Recommender System using critic consensus
Title（参考訳）: 批評家コンセンサスを用いた映画レコメンダシステム
Authors: A Nayan Varma, Kedareshwara Petluri
Abstract要約: 協調コンテンツとコンテンツベースのコンテンツの統合に基づくハイブリッドレコメンデーションシステムを提案する。ユーザの好みと批判的コンセンサススコアの組み合わせに基づいて映画を推薦する新しいモデルを提示したい。
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: Recommendation systems are perhaps one of the most important agents for industry growth through the modern Internet world. Previous approaches on recommendation systems include collaborative filtering and content based filtering recommendation systems. These 2 methods are disjointed in nature and require the continuous storage of user preferences for a better recommendation. To provide better integration of the two processes, we propose a hybrid recommendation system based on the integration of collaborative and content-based content, taking into account the top critic consensus and movie rating score. We would like to present a novel model that recommends movies based on the combination of user preferences and critical consensus scores.
Abstract（参考訳）: レコメンデーションシステムは、おそらく現代のインターネットの世界における産業の成長にとって最も重要なエージェントの1つである。レコメンデーションシステムに関する以前のアプローチには、コラボレーティブフィルタリングとコンテンツベースのフィルタリングレコメンデーションシステムがある。これらの2つのメソッドは本質的には不整合であり、より良い推奨のためにユーザの好みを継続的に保存する必要がある。両プロセスのより優れた統合を実現するため,コンテントベースのコンテンツの統合に基づくハイブリッドレコメンデーションシステムを提案し,批評家のコンセンサスと映画評価スコアを考慮に入れた。ユーザの好みと批判的なコンセンサススコアの組み合わせに基づいて、映画を推奨する新しいモデルを提示したいと思います。

関連論文リスト

Post-Userist Recommender Systems : A Manifesto [1.7157586976839874]
我々は,ユーザとシステムの関係を考慮に入れたレコメンデーションシステムに対するアプローチとして,ユーザリストレコメンデーションを定義した。ポストユーザーストレコメンデーションは、利害関係者が埋め込まれ、レコメンデーション機能が生成メディアと区別される、より大きな関係分野を仮定する。
論文参考訳（メタデータ） (2024-10-09T03:16:37Z)
End-to-End Learnable Item Tokenization for Generative Recommendation [51.82768744368208]
本稿では,アイテムのトークン化と生成レコメンデーションをシームレスに統合した,新しいエンドツーエンド生成レコメンダであるETEGRecを提案する。本フレームワークは、アイテムトークン化器と生成レコメンデータで構成されるデュアルエンコーダデコーダアーキテクチャに基づいて開発されている。
論文参考訳（メタデータ） (2024-09-09T12:11:53Z)
A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。特に、コメント視聴時間の4.13%が大幅に向上した。
論文参考訳（メタデータ） (2024-03-20T13:14:29Z)
Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文参考訳（メタデータ） (2022-07-04T17:58:39Z)
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)
FEBR: Expert-Based Recommendation Framework for beneficial and personalized content [77.86290991564829]
推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
論文参考訳（メタデータ） (2021-07-17T18:21:31Z)
A Hybrid Recommender System for Recommending Smartphones to Prospective Customers [0.7310043452300736]
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
論文参考訳（メタデータ） (2021-05-26T23:10:51Z)
INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
論文参考訳（メタデータ） (2020-09-29T21:03:44Z)
Hotel Recommendation System Based on User Profiles and Collaborative Filtering [0.0]
本稿では,コンテンツベースと協調フィルタリングを組み合わせたハイブリッドホテルレコメンデーションシステムを提案する。結果として得られるシステムはハイブリッドレコメンデーションシステムとして知られている。
論文参考訳（メタデータ） (2020-09-21T09:57:54Z)
Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文参考訳（メタデータ） (2020-04-08T02:11:55Z)

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。