Fugu-MT 論文翻訳(概要): Deep Multi-View Learning for Tire Recommendation

論文の概要: Deep Multi-View Learning for Tire Recommendation

arxiv url: http://arxiv.org/abs/2203.12451v1
Date: Wed, 23 Mar 2022 14:43:14 GMT
ステータス: 処理完了
システム内更新日: 2022-03-24 16:28:32.145981
Title: Deep Multi-View Learning for Tire Recommendation
Title（参考訳）: タイヤレコメンデーションのためのディープマルチビュー学習
Authors: Thomas Ranvier, Kilian Bourhis, Khalid Benabdeslem, Bruno Canitia
Abstract要約: 本稿では,産業データに適用されたいくつかの最先端マルチビューモデルの比較研究を提案する。本研究は,レコメンデーションシステムにおける多視点学習の有効性を実証するものである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We are constantly using recommender systems, often without even noticing. They build a profile of our person in order to recommend the content we will most likely be interested in. The data representing the users, their interactions with the system or the products may come from different sources and be of a various nature. Our goal is to use a multi-view learning approach to improve our recommender system and improve its capacity to manage multi-view data. We propose a comparative study between several state-of-the-art multi-view models applied to our industrial data. Our study demonstrates the relevance of using multi-view learning within recommender systems.
Abstract（参考訳）: 私たちは常にレコメンデーションシステムを使っています。彼らは私たちの興味を持つであろうコンテンツを推薦するために、私たちの人物のプロフィールを構築します。ユーザを表すデータ、システムや製品とのインタラクションは、異なるソースから来ており、さまざまな性質を持っている可能性がある。私たちのゴールは、マルチビュー学習アプローチを使用して、リコメンダシステムを改善し、マルチビューデータ管理能力を向上させることです。産業データに適用した最先端マルチビューモデルの比較検討を行った。本研究は,レコメンダシステムにおけるマルチビュー学習の有用性を示す。

関連論文リスト

Multi-modal Generative Models in Recommendation System [34.45328907249946]
多くのレコメンデーションシステムは、ユーザ入力をテキスト文字列やクリックや購入などの行動信号に制限する。生成AIの出現により、ユーザーはより豊富なレベルのインタラクションを期待するようになった。今後のレコメンデーションシステムは、製品に対するマルチモーダルな理解の恩恵を受けるだろう、と我々は主張する。
論文参考訳（メタデータ） (2024-09-17T08:55:50Z)
Personalized Multi-task Training for Recommender System [80.23030752707916]
PMTRecは、様々な情報ソースから包括的ユーザ/イテム埋め込みを得るための、最初のパーソナライズされたマルチタスク学習アルゴリズムである。我々の貢献は、レコメンデーションシステムにおけるパーソナライズされたマルチタスクトレーニングを促進するための新しい道を開く。
論文参考訳（メタデータ） (2024-07-31T06:27:06Z)
Attention-based sequential recommendation system using multimodal data [8.110978727364397]
本稿では,画像やテキスト,カテゴリといった項目のマルチモーダルなデータを用いた注意に基づくシーケンシャルレコメンデーション手法を提案する。 Amazonデータセットから得られた実験結果は,提案手法が従来の逐次レコメンデーションシステムよりも優れていることを示している。
論文参考訳（メタデータ） (2024-05-28T08:41:05Z)
Multimodal Pretraining and Generation for Recommendation: A Tutorial [54.07497722719509]
チュートリアルは、マルチモーダル事前学習、マルチモーダル生成、産業アプリケーションという3つの部分で構成されている。マルチモーダル・レコメンデーションの迅速な理解を促進することを目的としており、この進化する景観の今後の発展について有意義な議論を促進することを目的としている。
論文参考訳（メタデータ） (2024-05-11T06:15:22Z)
Knowledge-Aware Multi-Intent Contrastive Learning for Multi-Behavior Recommendation [6.522900133742931]
マルチ行動レコメンデーションは、ビュー、カートの追加、購入など、さまざまな行動に基づいたより正確な選択を提供する。本稿では,KAMCL(Knowledge-Aware Multi-Intent Contrastive Learning)モデルを提案する。このモデルは、インテントを構築するために知識グラフ内の関係を利用し、より正確なレコメンデーションを達成するためのインテントの観点から、ユーザのマルチビヘイビア間の接続をマイニングすることを目的としている。
論文参考訳（メタデータ） (2024-04-18T08:39:52Z)
Curriculum-scheduled Knowledge Distillation from Multiple Pre-trained Teachers for Multi-domain Sequential Recommendation [102.91236882045021]
現実世界のシステムにおいて、様々な事前学習されたレコメンデーションモデルを効率的に利用する方法について検討することが不可欠である。多分野連続的な推薦のために,複数の事前学習教師によるカリキュラムスケジューリング型知識蒸留を提案する。 CKD-MDSRは、複数の教師モデルとして異なるPRMの利点を最大限に活用し、小学生推薦モデルを強化している。
論文参考訳（メタデータ） (2024-01-01T15:57:15Z)
A Survey on Large Language Models for Recommendation [77.91673633328148]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
論文参考訳（メタデータ） (2023-05-31T13:51:26Z)
Knowledge Enhancement for Multi-Behavior Contrastive Recommendation [39.50243004656453]
本稿では,KMCLR(Knowledge Enhancement Multi-Behavior Contrastive Learning Recommendation)フレームワークを提案する。本研究では,ユーザのパーソナライズされた行動情報を抽出し,ユーザ埋め込み強化のためのマルチ行動学習モジュールを設計する。最適化段階では、粗粒度共通性とユーザの複数行動間の微粒度差をモデル化し、推奨効果をさらに改善する。
論文参考訳（メタデータ） (2023-01-13T06:24:33Z)
A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques [0.0]
Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
論文参考訳（メタデータ） (2022-05-03T22:13:33Z)
Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文参考訳（メタデータ） (2020-05-19T10:18:43Z)
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。