論文の概要: A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques
- arxiv url: http://arxiv.org/abs/2205.01802v1
- Date: Tue, 3 May 2022 22:13:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 03:54:26.498268
- Title: A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques
- Title（参考訳）: オピニオンマイニングと情報検索技術の統合によるベースラインレコメンデーションシステムの限界の推進に関するレビュー
- Authors: Dinuka Ravijaya Piyadigama, Guhanathan Poravi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recommendations Systems allow users to identify trending items among a
community while being timely and relevant to the user's expectations. When the
purpose of various Recommendation Systems differs, the required type of
recommendations also differs for each use case. While one Recommendation System
may focus on recommending popular items, another may focus on recommending
items that are comparable to the user's interests. Content-based filtering,
user-to-user & item-to-item Collaborative filtering, and more recently; Deep
Learning methods have been brought forward by the researchers to achieve better
quality recommendations.
Even though each of these methods has proven to perform well individually,
there have been attempts to push the boundaries of their limitations. Following
a wide range of methods, researchers have tried to expand on the capabilities
of standard recommendation systems to provide the most effective
recommendations to users while being more profitable from a business's
perspective. This has been achieved by taking a hybrid approach when building
models and architectures for Recommendation Systems.
This paper is a review of the novel models & architectures of hybrid
Recommendation Systems. The author identifies possibilities of expanding the
capabilities of baseline models & the advantages and drawbacks of each model
with selected use cases in this review.
- Abstract（参考訳）: レコメンデーションシステムでは,ユーザの期待にタイムリーで関連性のある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。
様々なレコメンデーションシステムの目的が異なる場合、各ユースケースごとに必要なタイプのレコメンデーションも異なる。
あるレコメンデーションシステムは人気アイテムを推薦することに集中するが、別のレコメンデーションシステムはユーザーの興味に匹敵するアイテムを推薦することに焦点を当てる。
コンテンツベースのフィルタリング,ユーザ間およびアイテム間協調フィルタリング,さらに最近では,より高品質な推薦を実現するために,ディープラーニング手法が研究者によって提案されている。
これらの手法は、それぞれが個々にうまく機能することが証明されているが、制限の境界を押し上げる試みがある。
幅広い方法に従い、研究者はビジネスの観点から利益を上げつつ、ユーザに最も効果的なレコメンデーションを提供する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。
これはレコメンデーションシステムのためのモデルとアーキテクチャを構築する際にハイブリッドアプローチをとることによって達成された。
本稿では,ハイブリッドレコメンデーションシステムの新しいモデルとアーキテクチャについて概観する。
このレビューでは,ベースラインモデルの能力を拡大する可能性と,各モデルの利点と欠点を,選択したユースケースで検証する。
関連論文リスト
- Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations [15.143224593682012]
本稿では,コプラ関数による妥当性と多様性を組み合わせた新しいレコメンデーション戦略を提案する。
我々は,システムと対話しながらユーザから得た知識量のサロゲートとして多様性を利用する。
我々の戦略は、最先端のライバル数社を上回っている。
論文 参考訳（メタデータ） (2024-08-07T13:48:24Z) - Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。
本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。
本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-05-09T05:45:18Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。
研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。
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。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - GHRS: Graph-based Hybrid Recommendation System with Application to Movie
Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。
オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。
The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文 参考訳（メタデータ） (2021-11-06T10:47:45Z) - PURS: Personalized Unexpected Recommender System for Improving User
Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。
3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2021-06-05T01:33:21Z) - A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers [0.7310043452300736]
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
論文 参考訳（メタデータ） (2021-05-26T23:10:51Z) - Designing Explanations for Group Recommender Systems [0.0]
様々な理由でレコメンデーションシステムで説明が用いられる。
レコメンダーシステムの開発者は、特定のアイテムを購入するようにユーザーに説得したいです。
ユーザーは、レコメンダシステムがどのように機能し、なぜ特定のアイテムが推奨されたのかをよりよく理解する必要がある。
論文 参考訳（メタデータ） (2021-02-24T17:05:39Z) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳（メタデータ） (2020-04-08T02:11:55Z) - 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) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳（メタデータ） (2020-02-12T15:59:31Z)
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。