論文の概要: Using consumer feedback from location-based services in PoI recommender
systems for people with autism
- arxiv url: http://arxiv.org/abs/2204.09969v1
- Date: Thu, 21 Apr 2022 08:47:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-22 14:55:55.298304
- Title: Using consumer feedback from location-based services in PoI recommender
systems for people with autism
- Title(参考訳): PoIレコメンデーションシステムにおける位置情報サービスからの消費者からのフィードバック
- Authors: Noemi Mauro, Liliana Ardissono, Stefano Cocomazzi and Federica Cena
- Abstract要約: 関心のポイント(PoIs)に関するレビューから感覚データを抽出するモデルを提案する。
我々は,多種多様な推薦アルゴリズムに組み込むことで,自閉症とニューロタイプの人々によるアプローチを検証した。
- 参考スコア(独自算出の注目度): 4.4951754159063295
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: When suggesting Points of Interest (PoIs) to people with autism spectrum
disorders, we must take into account that they have idiosyncratic sensory
aversions to noise, brightness and other features that influence the way they
perceive places. Therefore, recommender systems must deal with these aspects.
However, the retrieval of sensory data about PoIs is a real challenge because
most geographical information servers fail to provide this data. Moreover,
ad-hoc crowdsourcing campaigns do not guarantee to cover large geographical
areas and lack sustainability. Thus, we investigate the extraction of sensory
data about places from the consumer feedback collected by location-based
services, on which people spontaneously post reviews from all over the world.
Specifically, we propose a model for the extraction of sensory data from the
reviews about PoIs, and its integration in recommender systems to predict item
ratings by considering both user preferences and compatibility information. We
tested our approach with autistic and neurotypical people by integrating it
into diverse recommendation algorithms. For the test, we used a dataset built
in a crowdsourcing campaign and another one extracted from TripAdvisor reviews.
The results show that the algorithms obtain the highest accuracy and ranking
capability when using TripAdvisor data. Moreover, by jointly using these two
datasets, the algorithms further improve their performance. These results
encourage the use of consumer feedback as a reliable source of information
about places in the development of inclusive recommender systems.
- Abstract(参考訳): 自閉症スペクトラム障害の患者にPoI(Points of Interest)を提案する際には、ノイズ、明るさ、および場所の知覚に影響を及ぼす他の特徴に対する慣用的な感覚の逆転があることを考慮する必要がある。
したがって、レコメンダシステムはこれらの側面を扱う必要がある。
しかし,PoIsに関するセンサデータの検索は,ほとんどの地理情報サーバがデータ提供に失敗するため,真の課題である。
さらに、アドホックなクラウドソーシングキャンペーンは、大きな地理的領域をカバーし、持続可能性の欠如を保証していない。
そこで我々は,位置情報サービスによって収集された消費者のフィードバックから,世界中のレビューを自発的に投稿する場所に関する感覚データを抽出した。
具体的には,poisに関するレビューから感覚データを抽出するモデルと,ユーザ嗜好と互換性情報の両方を考慮して項目評価を予測するレコメンダシステムへの統合を提案する。
我々は,多種多様な推薦アルゴリズムに組み込むことで,自閉症とニューロタイプの人々によるアプローチを検証した。
テストでは、クラウドソーシングキャンペーンに組み込まれたデータセットと、tripadvisorレビューから抽出したデータセットを使用しました。
その結果,TripAdvisorデータを用いた場合,アルゴリズムは高い精度とランキングを得ることができた。
さらに、これらの2つのデータセットを共同で使用することにより、アルゴリズムはパフォーマンスをさらに向上する。
これらの結果は,インクルーシブレコメンダシステムの開発において,信頼性の高い情報源としての消費者フィードバックの利用を促進する。
関連論文リスト
- Bayes-enhanced Multi-view Attention Networks for Robust POI
Recommendation [81.4999547454189]
既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。
実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。
本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
論文 参考訳(メタデータ) (2023-11-01T12:47:38Z) - Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。
そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。
以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
論文 参考訳(メタデータ) (2023-05-18T15:37:38Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳(メタデータ) (2022-10-22T17:29:34Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - Causal Disentanglement with Network Information for Debiased
Recommendations [34.698181166037564]
近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。
この設定における重要な課題は、隠れた共同設立者を説明することだ。
我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
論文 参考訳(メタデータ) (2022-04-14T20:55:11Z) - Recommending with Recommendations [1.1602089225841632]
レコメンデーションシステムは、しばしば予測を行う際に敏感なユーザー情報を引き出す。
既存のサービスからのレコメンデーションに基づいて、サービスのレコメンデーションエンジンを基盤にすることで、この障害に対処する方法を示します。
我々の設定では、ユーザの(潜在的に敏感な)情報は高次元の潜在空間に属します。
論文 参考訳(メタデータ) (2021-12-02T04:30:15Z) - PipAttack: Poisoning Federated Recommender Systems forManipulating Item
Promotion [58.870444954499014]
一般的な実践は、分散化された連邦学習パラダイムの下でレコメンデーターシステムをサブスクライブすることである。
本稿では,対象項目の促進のために,フェデレートされたレコメンデータシステムをバックドア化するための体系的アプローチを提案する。
論文 参考訳(メタデータ) (2021-10-21T06:48:35Z) - Recommending POIs for Tourists by User Behavior Modeling and
Pseudo-Rating [3.839157829013354]
観光客の多くは一度に数カ所の観光地を訪れており、これらのほとんどは新規観光客からのチェックインデータを持っていない。
従来のシステムでは、利用者の嗜好と人気、評判、カテゴリーに基づく類似性に基づいて観光スポットをランク付けしている。
観光客にPOIを推奨するメカニズムを提案する。
論文 参考訳(メタデータ) (2021-10-13T06:21:41Z) - Arabic Opinion Mining Using a Hybrid Recommender System Approach [0.0]
本研究はアラビア語レビューに焦点を当て,オピニオンコーパスを用いてアラビア語データセットの評価を行う。
私たちのシステムは効率的で、レビューのレーティングの精度は85%近くでした。
論文 参考訳(メタデータ) (2020-09-16T00:21:56Z) - Personalized Recommendation of PoIs to People with Autism [5.052126684056964]
ユーザの慣用的嫌悪感と彼女/彼の好みをパーソナライズするTop-Nレコメンデーションモデルを提案する。
ASDと"ニューロタイプ"の両方でモデルをテストしました。
論文 参考訳(メタデータ) (2020-04-27T12:04:58Z) - 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。