Fugu-MT 論文翻訳(概要): Multi-stage Ensemble Model for Cross-market Recommendation

論文の概要: Multi-stage Ensemble Model for Cross-market Recommendation

arxiv url: http://arxiv.org/abs/2202.08824v1
Date: Thu, 17 Feb 2022 18:46:36 GMT
ステータス: 処理完了
システム内更新日: 2022-02-18 17:11:39.372922
Title: Multi-stage Ensemble Model for Cross-market Recommendation
Title（参考訳）: クロスマーケットレコメンデーションのための多段階アンサンブルモデル
Authors: Cesare Bernardis
Abstract要約: 本稿では,WSDM カップ 2022 における PolimiRank チームによるクロスマーケットレコメンデーションのソリューションについて述べる。我々のモデルは、異なる市場に属するデータの組み合わせに基づく多段階的なアプローチで構成されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes the solution of our team PolimiRank for the WSDM Cup 2022 on cross-market recommendation. The goal of the competition is to effectively exploit the information extracted from different markets to improve the ranking accuracy of recommendations on two target markets. Our model consists in a multi-stage approach based on the combination of data belonging to different markets. In the first stage, state-of-the-art recommenders are used to predict scores for user-item couples, which are ensembled in the following 2 stages, employing a simple linear combination and more powerful Gradient Boosting Decision Tree techniques. Our team ranked 4th in the final leaderboard.
Abstract（参考訳）: 本稿では,WSDM カップ 2022 における PolimiRank チームによるクロスマーケットレコメンデーションのソリューションについて述べる。競争の目的は、異なる市場から抽出された情報を効果的に活用し、2つのターゲット市場における推薦のランキング精度を向上させることである。我々のモデルは、異なる市場に属するデータの組み合わせに基づく多段階的なアプローチで構成されている。最初の段階では、最先端のレコメンデータを使用して、以下の2段階にまとめられたユーザとイタムのカップルのスコアを予測し、単純な線形結合とより強力なグラディエントブースティング決定木技術を用いる。我々のチームはファイナル・リーダーボードで4位にランクインした。

関連論文リスト

A Hybrid Meta-Learning and Multi-Armed Bandit Approach for Context-Specific Multi-Objective Recommendation Optimization [0.09208007322096533]
本稿では, メタラーニングとマルチアーマッド・バンディット(MAB)を組み合わせるハイブリッドアプローチであるJuggler-MABを紹介し, 既存のマルチステークホルダ・リコメンデーションシステムの限界に対処する。本稿では,Jugglerが初期重み予測を行うための2段階のアプローチを提案する。結果は、Juggler-MABが元のJugglerモデルよりも優れており、NDCGの改善は2.9%、後悔の13.7%、最高の腕選択率の9.8%が向上していることを示している。
論文参考訳（メタデータ） (2024-09-13T12:03:23Z)
Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。 DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
論文参考訳（メタデータ） (2024-08-14T11:29:47Z)
Ensemble Boost: Greedy Selection for Superior Recommender Systems [0.0]
本研究は,レコメンデーション品質向上のためのアンサンブル技術の適用について検討する。そこで本研究では,10種類の推薦モデルからトップkレコメンデーションを組み合わせる新しい手法を提案する。提案手法の有効性を評価するために,5つの異なるデータセットの実験を行った。
論文参考訳（メタデータ） (2024-07-07T00:50:52Z)
A Collaborative Filtering-Based Two Stage Model with Item Dependency for Course Recommendation [6.258986911617345]
協調フィルタリング(CF)モデルは、推奨精度が高いため、おそらく最も成功したモデルである。本稿では、CFベースのモデルの利用をコースレコメンデーションのタスクに拡張する。既存のCFモデルを適用してコースレコメンデーションエンジンを構築する際のいくつかの課題を指摘した。
論文参考訳（メタデータ） (2023-11-01T16:01:00Z)
An IPW-based Unbiased Ranking Metric in Two-sided Markets [3.845857580909374]
本稿では,2つの市場におけるユーザ間のバイアスの複雑な相互作用について論じる。そこで我々は,2面IPWという新しい推定器を提案し,その位置ベースを両面IPWと呼ぶ。
論文参考訳（メタデータ） (2023-07-14T01:44:03Z)
Alibaba-Translate China's Submission for WMT 2022 Quality Estimation Shared Task [80.22825549235556]
我々は、UniTEという品質評価共有タスクにおいて、文レベルのMQMベンチマークを提出する。具体的には、トレーニング中に3種類の入力形式と事前学習された言語モデルを組み合わせたUniTEのフレームワークを用いる。その結果,我々のモデルは多言語・英語・ロシア語設定では第1位,英語・ドイツ語・中国語設定では第2位に達した。
論文参考訳（メタデータ） (2022-10-18T08:55:27Z)
Learning over No-Preferred and Preferred Sequence of Items for Robust Recommendation (Extended Abstract) [69.50145858681951]
本稿では,暗黙のフィードバックよりも大規模レコメンダシステム(RS)を訓練するための理論的に支持された逐次戦略を提案する。本稿では,モーメント法と勾配法のいずれかを用いてモデルパラメータを更新する手法を提案する。
論文参考訳（メタデータ） (2022-02-26T22:29:43Z)
Cross-Market Product Recommendation [22.385250578972084]
我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
論文参考訳（メタデータ） (2021-09-13T12:53:45Z)
Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
論文参考訳（メタデータ） (2021-06-05T01:21:21Z)
Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文参考訳（メタデータ） (2021-04-16T17:58:56Z)
Learning to Recover Reasoning Chains for Multi-Hop Question Answering via Cooperative Games [66.98855910291292]
本稿では,弱い教師付き信号から推論連鎖を復元する学習法を提案する。証拠通路をどのように選択し、どのように選択された通路を接続するかを2つのモデルで処理する。評価のために、2つのマルチホップQAデータセットに基づいたベンチマークを作成しました。
論文参考訳（メタデータ） (2020-04-06T03:54:38Z)

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。