論文の概要: Resource recommender system performance improvement by exploring similar
tags and detecting tags communities
- arxiv url: http://arxiv.org/abs/2201.03622v1
- Date: Mon, 10 Jan 2022 20:08:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 14:44:54.768742
- Title: Resource recommender system performance improvement by exploring similar
tags and detecting tags communities
- Title（参考訳）: 類似タグ探索とタグコミュニティ検出による資源推薦システムの性能改善
- Authors: Zeinab Shokrzadeh, Mohammad-Reza Feizi-Derakhshi, Mohammad-Ali
Balafar, Jamshid Bagherzadeh Mohasefi
- Abstract要約: 本稿では,タグの類似性と共起性を決定するために,数学的および統計的手法を用いる。
ユーザの興味をモデル化するために,コミュニティ検出手法を用いてタグのコミュニティを決定する。
- 参考スコア（独自算出の注目度）: 7.436429318051602
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many researchers have used tag information to improve the performance of
recommendation techniques in recommender systems. Examining the tags of users
will help to get their interests and leads to more accuracy in the
recommendations. Since user-defined tags are chosen freely and without any
restrictions, problems arise in determining their exact meaning and the
similarity of tags. On the other hand, using thesauruses and ontologies to find
the meaning of tags is not very efficient due to their free definition by users
and the use of different languages in many data sets. Therefore, this article
uses the mathematical and statistical methods to determine lexical similarity
and co-occurrence tags solution to assign semantic similarity. On the other
hand, due to the change of users' interests over time this article have
considered the time of tag assignments in co-occurrence tags for determined
similarity of tags. Then the graph is created based on these similarities. For
modeling the interests of the users, the communities of tags are determined by
using community detection methods. So recommendations based on the communities
of tags and similarity between resources are done. The performance of the
proposed method has been done using two criteria of precision and recall based
on evaluations with "Delicious" dataset. The evaluation results show that, the
precision and recall of the proposed method have significantly improved,
compared to the other methods.
- Abstract（参考訳）: 多くの研究者がレコメンデーションシステムにおけるレコメンデーション手法の性能向上にタグ情報を使用している。
ユーザーのタグを調べることは、興味を得るのに役立ち、レコメンデーションでより正確になる。
ユーザ定義タグは自由かつ制限なく選択されるため、タグの正確な意味と類似性を決定する際に問題が発生する。
一方、ユーザによる自由な定義や多くのデータセットにおける異なる言語の使用により、タグの意味を見つけるためにシソーラスやオントロジーを使うことは、あまり効率的ではない。
そこで,本論文では,語彙的類似性を決定する数学的および統計的手法と,意味的類似性を割り当てる共起タグ解を用いた。
一方, 利用者の興味の変化により, タグの類似性が決定されるため, 共起タグにおけるタグ割り当ての時期を考察した。
そして、これらの類似性に基づいてグラフを作成する。
ユーザの興味をモデル化するために,コミュニティ検出手法を用いてタグのコミュニティを決定する。
そのため、タグのコミュニティとリソース間の類似性に基づいたレコメンデーションが行われます。
提案手法の性能は「Delicious」データセットを用いた評価に基づく精度とリコールの2つの基準を用いて評価されている。
評価の結果,提案手法の精度と再現性は,他の手法と比較して有意に向上した。
関連論文リスト
- Dual-Decoupling Learning and Metric-Adaptive Thresholding for Semi-Supervised Multi-Label Learning [81.83013974171364]
半教師付きマルチラベル学習(SSMLL)は、正確なマルチラベルアノテーションを収集するコストを削減するために、ラベルのないデータを活用する強力なフレームワークである。
半教師付き学習とは異なり、インスタンスに含まれる複数のセマンティクスのため、SSMLLの擬似ラベルとして最も確率の高いラベルを選択することはできない。
本稿では,高品質な擬似ラベルを生成するための二重パースペクティブ手法を提案する。
論文 参考訳（メタデータ） (2024-07-26T09:33:53Z) - Large language models can accurately predict searcher preferences [12.134907765184572]
本稿では,ラベルの品質向上のための代替手法を提案する。
実際のユーザーからの注意深いフィードバックが受けられる。これは定義上、高品質のファースト・パーティ・ゴールド・データだ。
大規模な言語モデルは、人間のラベルラーと同じくらいの精度で有効であることがわかった。
論文 参考訳（メタデータ） (2023-09-19T13:55:39Z) - Drawing the Same Bounding Box Twice? Coping Noisy Annotations in Object
Detection with Repeated Labels [6.872072177648135]
そこで本研究では,基礎的真理推定手法に適合する新しい局所化アルゴリズムを提案する。
また,本アルゴリズムは,TexBiGデータセット上でのトレーニングにおいて,優れた性能を示す。
論文 参考訳（メタデータ） (2023-09-18T13:08:44Z) - Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise
Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。
本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。
提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文 参考訳（メタデータ） (2021-10-08T13:51:55Z) - Estimation of Fair Ranking Metrics with Incomplete Judgments [70.37717864975387]
本研究では,4つの評価指標のサンプリング手法と推定手法を提案する。
ラベル付きアイテムの数が極めて少ない場合でも動作可能な頑健で偏りのない推定器を定式化する。
論文 参考訳（メタデータ） (2021-08-11T10:57:00Z) - Confident in the Crowd: Bayesian Inference to Improve Data Labelling in
Crowdsourcing [0.30458514384586394]
我々は,コスト削減を図りながら,ラベルの品質を向上させる新しい手法を提案する。
本稿では,ベイズ推定などのより洗練された手法を用いてラベルラの性能を計測する。
提案手法は,群集内で不一致が発生した場合に高い信頼性を維持しつつ,コストと精度の両方で標準的な投票方法より優れる。
論文 参考訳（メタデータ） (2021-05-28T17:09:45Z) - Limiting Tags Fosters Efficiency [2.6143568807090696]
情報理論を用いてStack Overflow上のタグの記述と検索の効率を追跡する。
タグ付け効率は時間とともに安定するが,タグの内容と記述性は共に増大する。
我々の研究は、オンラインコミュニティにおける情報組織と検索を改善するための政策に関する洞察を提供する。
論文 参考訳（メタデータ） (2021-04-02T12:58:45Z) - Few-shot Learning for Multi-label Intent Detection [59.66787898744991]
State-of-the-art work estimates label-instancelevance scores and using threshold to select multiple associated intent labels。
2つのデータセットの実験により、提案モデルが1ショットと5ショットの両方の設定において強いベースラインを著しく上回ることが示された。
論文 参考訳（メタデータ） (2020-10-11T14:42:18Z) - Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。
ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
論文 参考訳（メタデータ） (2020-05-18T15:27:55Z) - Adversarial Learning for Personalized Tag Recommendation [61.76193196463919]
大規模データセットでトレーニング可能なエンドツーエンドのディープネットワークを提案する。
ユーザの嗜好と視覚的エンコーディングの合同トレーニングにより、ネットワークは視覚的嗜好をタグ付け行動と効率的に統合することができる。
本稿では,提案モデルの有効性を2つの大規模および公開データセットで示す。
論文 参考訳（メタデータ） (2020-04-01T20:41:41Z)
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。