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-Task Learning For Reduced Popularity Bias In Multi-Territory Video
Recommendations [1.7766905783750586]
本稿では,マルチタスク学習(MTL)手法と適応的なアップサンプリング手法を提案する。
PR-AUCによる相対利得は65.27%まで向上した。
論文 参考訳(メタデータ) (2023-09-25T00:11:33Z) - A Survey on Large Language Models for Recommendation [80.01023231943205]
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) - Intent-aware Multi-source Contrastive Alignment for Tag-enhanced
Recommendation [46.04494053005958]
我々は,情報ソースをまたいだ自己教師型学習を通じて,軽量で効果的な代替フレームワークを模索する。
我々は、ユーザと以前対話したアイテムに関連する補助情報とをペアリングするために、セルフスーパービジョン信号を使用する。
また,本手法はトレーニング時間を短縮しつつ,より優れた性能を実現することができることを示す。
論文 参考訳(メタデータ) (2022-11-11T17:43:19Z) - 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) - AutoCl : A Visual Interactive System for Automatic Deep Learning
Classifier Recommendation Based on Models Performance [0.0]
我々は,非専門家が適切なディープラーニング(DL)分類器を採用するのを支援することを目的とした,視覚的インタラクティブなレコメンデーションシステムであるAutoClを紹介する。
我々はAutoClの特徴を最近のAutoMLシステムと比較し、非専門家がDL分類器を選択するのに役立つことを示す。
論文 参考訳(メタデータ) (2022-02-24T07:02:37Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳(メタデータ) (2021-04-27T08:03:52Z) - Embedded Deep Bilinear Interactive Information and Selective Fusion for
Multi-view Learning [70.67092105994598]
本稿では,上記の2つの側面に着目した,新しい多視点学習フレームワークを提案する。
特に、さまざまな深層ニューラルネットワークをトレーニングして、様々なビュー内表現を学習する。
6つの公開データセットの実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-07-13T01:13:23Z) - 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) - MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive
Model Selection [110.87712780017819]
推薦システムにおけるユーザレベルの適応モデル選択を容易にするメタラーニングフレームワークを提案する。
2つのパブリックデータセットと実世界のプロダクションデータセットで実験を行います。
論文 参考訳(メタデータ) (2020-01-22T16:05:01Z)
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。