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
- Incentive-Aware Recommender Systems in Two-Sided Markets [69.11586678637816]
エージェントのインセンティブを尊重する新しい推薦システムを提案する。
両政策は, エージェントが過度の暴露から保護される, ポストフェアネス基準を満たすことを示す。
論文 参考訳(メタデータ) (2022-11-23T22:20:12Z) - 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) - Photos Are All You Need for Reciprocal Recommendation in Online Dating [1.90365714903665]
本稿では,ユーザの嗜好履歴を解釈し,これを用いてレコメンデーションを行う新しい方法を提案する。
我々は、リカレントニューラルネットワークをトレーニングし、ユーザの嗜好を学習し、相互選好関係の予測を行う。
本システムは,コンテンツベースおよび協調フィルタリングシステムにおいて,技術状況において著しく優れる。
論文 参考訳(メタデータ) (2021-08-26T11:38:23Z) - 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) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳(メタデータ) (2020-02-12T15:59:31Z)
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。