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

• Leveraging Retrieval-Augmented Generation for University Knowledge Retrieval [2.749898166276854]
  本稿では,Large Language Models (LLM) を用いたレトリーバル拡張生成(RAG)パイプラインを用いた革新的なアプローチを提案する。 大学公式Webページからデータを体系的に抽出することにより、ユーザクエリに対する正確で文脈的に関連する応答を生成する。 実験の結果, 生成した応答の精度と関連性に大きな改善が認められた。
  論文  参考訳（メタデータ） (2024-11-09T17:38:01Z)
• Telco-DPR: A Hybrid Dataset for Evaluating Retrieval Models of 3GPP Technical Specifications [0.8999666725996975]
  本稿では,第3世代パートナーシッププロジェクト技術文書を用いた通信分野を対象としたQAシステムを提案する。 テキストとテーブルを組み合わせたハイブリッドデータセットであるTelco-DPRが提示され、一連の合成質問/回答ペアが含まれている。 トップK精度と平均相反ランク(MRR)を用いて、検索モデルの評価と比較を行う。 提案するQAシステムは,改良されたRAGモデルと生成事前学習変換器(GPT)-4を用いて,解答精度を14%向上させる。
  論文  参考訳（メタデータ） (2024-10-15T16:37:18Z)
• Customized Retrieval Augmented Generation and Benchmarking for EDA Tool Documentation QA [5.0108982850526]
  検索拡張生成(RAG)は、外部データベースから事実情報を抽出することにより、生成AIモデルの精度と信頼性を高める。 本稿では、EDAツールドキュメンテーションQAのための3つのドメイン固有のテクニックとともに、カスタマイズされたRAGフレームワークを提案する。 我々は,高度なRTL-to-GDSII設計プラットフォームであるOpenROADのドキュメントQA評価ベンチマークであるORD-QAを開発し,リリースした。
  論文  参考訳（メタデータ） (2024-07-22T03:44:27Z)
• Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
  PropEnは'matching'にインスパイアされている。 一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
  論文  参考訳（メタデータ） (2024-05-28T11:30:19Z)
• An Integrated Data Processing Framework for Pretraining Foundation Models [57.47845148721817]
  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)
• Multimodal Recommender Systems: A Survey [50.23505070348051]
  マルチモーダル・レコメンダ・システム(MRS)は近年,学界と産業の両方から注目を集めている。 本稿では,主に技術的観点から,MSSモデルに関する総合的な調査を行う。 実装コードなど、調査された論文の詳細にアクセスするために、リポジトリをオープンソース化します。
  論文  参考訳（メタデータ） (2023-02-08T05:12:54Z)
• 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)
• 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。