論文の概要: A Tech Hybrid-Recommendation Engine and Personalized Notification: An
integrated tool to assist users through Recommendations (Project ATHENA)
- arxiv url: http://arxiv.org/abs/2202.06248v1
- Date: Sun, 13 Feb 2022 08:04:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-16 08:28:02.022274
- Title: A Tech Hybrid-Recommendation Engine and Personalized Notification: An
integrated tool to assist users through Recommendations (Project ATHENA)
- Title(参考訳): tech hybrid-recommendation engineとパーソナライズ通知:レコメンデーションを通じてユーザを支援する統合ツール(project athena)
- Authors: Lordjette Leigh M. Lecaros and Concepcion L. Khan
- Abstract要約: プロジェクトATHENAは、情報過負荷に対処するアプリケーションを開発することを目的としており、主に現代のシステムのパーソナライズとユーザエクスペリエンス設計によるレコメンデーションシステム(Recommendation Systems, RS)に焦点を当てている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Project ATHENA aims to develop an application to address information
overload, primarily focused on Recommendation Systems (RSs) with the
personalization and user experience design of a modern system. Two machine
learning (ML) algorithms were used: (1) TF-IDF for Content-based filtering
(CBF); (2) Classification with Matrix Factorization- Singular Value
Decomposition(SVD) applied with Collaborative filtering (CF) and mean
(normalization) for prediction accuracy of the CF. Data sampling in academic
Research and Development of Philippine Council for Agriculture, Aquatic, and
Natural Resources Research and Development (PCAARRD) e-Library and Project
SARAI publications plus simulated data used as training sets to generate a
recommendation of items that uses the three RS filtering (CF, CBF, and
personalized version of item recommendations). Series of Testing and TAM
performed and discussed. Findings allow users to engage in online information
and quickly evaluate retrieved items produced by the application.
Compatibility-testing (CoT) shows the application is compatible with all major
browsers and mobile-friendly. Performance-testing (PT) recommended v-parameter
specs and TAM evaluations results indicate strongly associated with overall
positive feedback, thoroughly enough to address the information-overload
problem as the core of the paper. A modular architecture presented addressing
the information overload, primarily focused on RSs with the personalization and
design of modern systems. Developers utilized Two ML algorithms and prototyped
a simplified version of the architecture. Series of testing (CoT and PT) and
evaluations with TAM were performed and discussed. Project ATHENA added a UX
feature design of a modern system.
- Abstract(参考訳): プロジェクトATHENAは、情報過負荷に対処するアプリケーションを開発することを目的としており、主に現代のシステムのパーソナライズとユーザエクスペリエンス設計によるレコメンデーションシステム(Recommendation Systems, RS)に焦点を当てている。
1)コンテンツベースフィルタリング(cbf)のためのtf-idf,(2)協調フィルタリング(cf)を適用した行列因子分解-特異値分解(svd)による分類,cfの予測精度に対する平均(正規化)の2つの機械学習アルゴリズムを用いた。
フィリピン農業・水産・天然資源開発協議会(pcaarrd)の学術研究・開発におけるデータサンプリングと、e-libraryとproject saraiの出版物に加えて、3つのrsフィルタリング(cf、cbf、パーソナライズされたアイテム推奨版)を使用した項目の推奨を生成するためのトレーニングセットとして使用されるシミュレーションデータ。
テストとTAMのシリーズが実施され、議論された。
発見により、ユーザーはオンライン情報に従事し、アプリケーションが生成したアイテムを迅速に評価することができる。
互換性テスト(CoT)は、アプリケーションがすべての主要なブラウザと互換性があり、モバイルフレンドリーであることを示している。
パフォーマンステスト(pt) 推奨のvパラメータ仕様とtam評価の結果は、全体的なポジティブなフィードバックに強く関連しており、情報オーバーロード問題に対処するのに十分である。
モジュラーアーキテクチャは情報過負荷に対処し、主に現代のシステムのパーソナライズと設計によるRSに焦点を当てた。
開発者は2つのMLアルゴリズムを使用して、アーキテクチャの簡易バージョンをプロトタイプ化した。
一連の試験 (CoT, PT) とTAMによる評価を行い, 検討した。
Project ATHENAは、現代のシステムのUX機能設計を追加した。
関連論文リスト
- An Integrated Data Processing Framework for Pretraining Foundation
Models [61.66552412677197]
研究者や実践者は、しばしば異なるソースからデータセットを手動でキュレートする必要がある。
本稿では,処理モジュールと解析モジュールを統合したデータ処理フレームワークを提案する。
提案されたフレームワークは使いやすく、柔軟です。
論文 参考訳(メタデータ) (2024-02-26T07:22:51Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - T-FREX: A Transformer-based Feature Extraction Method from Mobile App
Reviews [5.235401361674881]
モバイルアプリレビュー機能抽出のためのトランスフォーマーベースの完全自動アプローチであるT-FREXを提案する。
まず、実際のクラウドソースのソフトウェアレコメンデーションプラットフォームで、ユーザから真実の一連の機能を収集します。
次に、この新たに作成されたデータセットを使用して、名前付きエンティティ認識タスクで複数のLCMを微調整する。
論文 参考訳(メタデータ) (2024-01-08T11:43:03Z) - JDRec: Practical Actor-Critic Framework for Online Combinatorial
Recommender System [0.0]
推薦者システム(CR)は、ユーザ行動がコンテキスト情報とアイテムの両方に影響される結果ページにおいて、ユーザに対してアイテムのリストを出力する。
その重要性にもかかわらず、オンライン環境における効率性、ダイナミクス、パーソナライズ要件のため、実用的なCRシステムを構築することは依然として課題である。
論文 参考訳(メタデータ) (2022-07-27T05:47:12Z) - Broad Recommender System: An Efficient Nonlinear Collaborative Filtering
Approach [56.12815715932561]
我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。
深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。
7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
論文 参考訳(メタデータ) (2022-04-20T01:25:08Z) - Top-N Recommendation with Counterfactual User Preference Simulation [26.597102553608348]
ユーザーランキングに基づく好みの学習を目的としたTop-Nレコメンデーションは、長い間、広範囲のアプリケーションにおいて基本的な問題だった。
本稿では,データ不足問題に対処するため,因果推論フレームワーク内での推薦タスクの再構築を提案する。
論文 参考訳(メタデータ) (2021-09-02T14:28:46Z) - Data-Free Evaluation of User Contributions in Federated Learning [31.181141140071592]
Federated Learning (FL)は、モバイルデバイス上の機械学習モデルを、各デバイスのプライベートデータとコンピューティングリソースを使用して分散的にトレーニングする。
テストデータセットを使わずにFLにおけるユーザコントリビューションを評価するためのピア予測のアイデアに基づくPairwise Correlated Agreement (PCA) という手法を提案する。
次に,(1)Fed-PCAと呼ばれる新しいフェデレーション学習アルゴリズム,(2)真性を保証する新たなインセンティブメカニズムを設計に適用する。
論文 参考訳(メタデータ) (2021-08-24T10:17:03Z) - A Comprehensive Review on Non-Neural Networks Collaborative Filtering
Recommendation Systems [1.3124513975412255]
協調フィルタリング(CF)は、あるユーザグループの既知の好みを利用して、他のユーザの未知の好みに関する予測とレコメンデーションを行う。
1990年代に初めて導入され、様々なモデルが提案されている。
多くの分野で機械学習技術の成功により、リコメンデーションシステムにおけるそのようなアルゴリズムの適用に重点が置かれている。
論文 参考訳(メタデータ) (2021-06-20T11:13:33Z) - Efficient Data-specific Model Search for Collaborative Filtering [56.60519991956558]
協調フィルタリング(CF)はレコメンダシステムの基本的なアプローチである。
本稿では,機械学習(AutoML)の最近の進歩を動機として,データ固有のCFモデルを設計することを提案する。
ここでキーとなるのは、最先端(SOTA)のCFメソッドを統一し、それらを入力エンコーディング、埋め込み関数、インタラクション、予測関数の非結合ステージに分割する新しいフレームワークである。
論文 参考訳(メタデータ) (2021-06-14T14:30:32Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳(メタデータ) (2020-12-29T23:43:16Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳(メタデータ) (2020-11-25T02:18:33Z)
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。