論文の概要: VRConvMF: Visual Recurrent Convolutional Matrix Factorization for Movie Recommendation

• arxiv url: http://arxiv.org/abs/2202.10241v1
• Date: Wed, 16 Feb 2022 08:21:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-27 17:42:19.659270
• Title: VRConvMF: Visual Recurrent Convolutional Matrix Factorization for Movie Recommendation
• Title（参考訳）: VRConvMF:映画レコメンデーションのためのビジュアルリカレント畳み込み行列分解
• Authors: Zhu Wang, Honglong Chen, Zhe Li, Kai Lin, Nan Jiang, Feng Xia
• Abstract要約: 視覚的再帰的畳み込み行列因数分解(VRConvMF)と呼ばれる確率行列因数分解に基づくレコメンデーション手法を提案する。 提案したVRConvMFを実装し,その有効性を検証するために,一般的に使用されている3つの実世界のデータセットについて広範な実験を行った。
• 参考スコア（独自算出の注目度）: 21.25759321238169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparsity of user-to-item rating data becomes one of challenging issues in the recommender systems, which severely deteriorates the recommendation performance. Fortunately, context-aware recommender systems can alleviate the sparsity problem by making use of some auxiliary information, such as the information of both the users and items. In particular, the visual information of items, such as the movie poster, can be considered as the supplement for item description documents, which helps to obtain more item features. In this paper, we focus on movie recommender system and propose a probabilistic matrix factorization based recommendation scheme called visual recurrent convolutional matrix factorization (VRConvMF), which utilizes the textual and multi-level visual features extracted from the descriptive texts and posters respectively. We implement the proposed VRConvMF and conduct extensive experiments on three commonly used real world datasets to validate its effectiveness. The experimental results illustrate that the proposed VRConvMF outperforms the existing schemes.
• Abstract（参考訳）: ユーザ毎のレーティングデータのスパーシティは,レコメンデータシステムにおける課題の1つとなり,レコメンデーション性能が著しく低下する。 幸いなことに、コンテキスト対応レコメンデータシステムは、ユーザとアイテムの両方の情報などの補助情報を利用することで、空間問題を緩和することができる。 特に、映画のポスターなどの項目の視覚的情報は、項目記述文書の補足と見なすことができ、より多くの項目の特徴を得るのに役立つ。 本稿では,映画レコメンデータシステムに着目し,記述テキストとポスターから抽出したテキスト的特徴と多レベル視覚特徴をそれぞれ活用した,ビジュアルリカレント畳み込み行列因子化(vrconvmf)と呼ばれる確率的行列因子化に基づくレコメンデーションスキームを提案する。 提案するvrconvmfを実装し,一般的に使用される3つの実世界データセットについて広範な実験を行い,その効果を検証する。 実験の結果,提案したVRConvMFは既存のスキームよりも優れていた。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• A Thorough Performance Benchmarking on Lightweight Embedding-based Recommender Systems [67.52782366565658]
  State-of-the-art recommender system (RS) は、埋め込みベクトルによって符号化される分類的特徴に依存し、結果として非常に大きな埋め込みテーブルとなる。 軽量埋め込み型RSの繁栄にもかかわらず、評価プロトコルには幅広い多様性が見られる。 本研究では, LERSの性能, 効率, クロスタスク転送性について, 徹底的なベンチマークによる検討を行った。
  論文  参考訳（メタデータ） (2024-06-25T07:45:00Z)
• Representation Learning with Large Language Models for Recommendation [33.040389989173825]
  本稿では,大規模言語モデル (LLM) を用いた表現学習によるレコメンデータの強化を目的とした,モデルに依存しないフレームワーク RLMRec を提案する。 RLMRecには補助的なテキスト信号が組み込まれており、LLMが権限を持つユーザ/イテムプロファイリングパラダイムを開発し、LLMの意味空間と協調的関係信号の表現空間を整合させる。
  論文  参考訳（メタデータ） (2023-10-24T15:51:13Z)
• Impression-Aware Recommender Systems [53.48892326556546]
  本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。 本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Visual Information Extraction in the Wild: Practical Dataset and End-to-end Solution [48.693941280097974]
  視覚情報抽出(VIE)のためのカメラ画像からなる大規模データセットを提案する。 我々は,OCRの段階と情報抽出をエンド・ツー・エンドの学習方式で組み合わせた,エンド・ツー・エンドVIEのための新しいフレームワークを提案する。 提案したデータセット上で既存のVIEのエンド・ツー・エンド手法を評価し,これらの手法の性能がSROIEから提案したデータセットに相違があることを観察した。
  論文  参考訳（メタデータ） (2023-05-12T14:11:47Z)
• Multi-Modal Recommendation System with Auxiliary Information [0.47267770920095536]
  本研究は、商品に関する総合的な補助的知識を取り入れたマルチモーダルレコメンデーションシステムを評価することで、既存の研究を拡張した。 実験結果を分析した結果,予測精度が統計的に有意に向上し,文脈認識推薦システムに補助情報を含めることの有効性が確認された。
  論文  参考訳（メタデータ） (2022-10-13T20:20:49Z)
• Edge Data Based Trailer Inception Probabilistic Matrix Factorization for Context-Aware Movie Recommendation [11.30945257735061]
  本稿では, NIC, リカレント畳み込みニューラルネットワーク, および確率行列因数分解モデルを評価モデルとして組み合わせた, Ti-PMF と呼ばれるトレーラー確率行列因数分解モデルを提案する。 提案したTi-PMFモデルを実世界の3つのデータセットに対して広範な実験により実装し,その有効性を検証した。
  論文  参考訳（メタデータ） (2022-02-16T08:12:48Z)
• 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)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。