論文の概要: Sequential/Session-based Recommendations: Challenges, Approaches, Applications and Opportunities

• arxiv url: http://arxiv.org/abs/2205.10759v1
• Date: Sun, 22 May 2022 06:17:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-30 04:35:15.068838
• Title: Sequential/Session-based Recommendations: Challenges, Approaches, Applications and Opportunities
• Title（参考訳）: シーケンシャル/セッションベースのレコメンデーション:挑戦、アプローチ、アプリケーション、機会
• Authors: Shoujin Wang, Qi Zhang, Liang Hu, Xiuzhen Zhang, Yan Wang, Charu Aggarwal
• Abstract要約: シーケンシャルレコメンダシステム(SRS)とセッションベースレコメンダシステム(SBRS)は、RSの新しいパラダイムとして登場した。 この領域には、さまざまな説明、設定、前提、アプリケーションドメインによって、多くの矛盾がある。 この研究は、このエキサイティングで活気ある領域のさらなる研究を促進するために、これらのギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 20.968084179750143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, sequential recommender systems (SRSs) and session-based recommender systems (SBRSs) have emerged as a new paradigm of RSs to capture users' short-term but dynamic preferences for enabling more timely and accurate recommendations. Although SRSs and SBRSs have been extensively studied, there are many inconsistencies in this area caused by the diverse descriptions, settings, assumptions and application domains. There is no work to provide a unified framework and problem statement to remove the commonly existing and various inconsistencies in the area of SR/SBR. There is a lack of work to provide a comprehensive and systematic demonstration of the data characteristics, key challenges, most representative and state-of-the-art approaches, typical real-world applications and important future research directions in the area. This work aims to fill in these gaps so as to facilitate further research in this exciting and vibrant area.
• Abstract（参考訳）: 近年,SRS とセッションベースレコメンデーションシステム (SBRS) は,よりタイムリーかつ正確なレコメンデーションを可能にするために,ユーザの短期的かつ動的な嗜好を捉えるため,RS の新しいパラダイムとして登場した。 SRSとSBRSは広く研究されているが、この領域には様々な説明、設定、仮定、アプリケーションドメインに起因する多くの矛盾がある。 SR/SBRの領域で一般的に存在する様々な矛盾を取り除くための統一されたフレームワークと問題ステートメントを提供する作業はない。 データ特性、鍵となる課題、最も代表的かつ最先端のアプローチ、典型的な実世界の応用、そしてこの分野における重要な研究の方向性を包括的かつ体系的に示すための作業が欠如している。 この研究は、このエキサイティングで活気ある領域のさらなる研究を促進するために、これらのギャップを埋めることを目的としている。

関連論文リスト

• Large Language Model Empowered Embedding Generator for Sequential Recommendation [57.49045064294086]
  大言語モデル(LLM)は、その人気に関係なく、項目間の意味的関係を理解する能力を持つ。 LLMEmbは、LCMを利用してアイテム埋め込みを作成し、シークエンシャル・レコメンダ・システムの性能を高める革新的な技術である。
  論文  参考訳（メタデータ） (2024-09-30T03:59:06Z)
• Graph and Sequential Neural Networks in Session-based Recommendation: A Survey [41.59094128068782]
  セッションベースのレコメンデーション(SR)は、ユーザの短期的な好みのキャプチャを専門とし、よりダイナミックでタイムリーなレコメンデーションを提供することを目指している。 まず、様々なSRタスクの定義を明確にし、セッションベースレコメンデーションの特徴を紹介する。 第2に,既存の手法を,逐次ニューラルネットワークとグラフニューラルネットワーク(GNN)の2つのカテゴリにまとめる。
  論文  参考訳（メタデータ） (2024-08-27T08:08:05Z)
• LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation [58.04939553630209]
  現実世界のシステムでは、ほとんどのユーザーはほんの一握りのアイテムしか扱わないが、ほとんどのアイテムは滅多に消費されない。 これら2つの課題は、ロングテールユーザーとロングテールアイテムの課題として知られ、しばしば既存のシークエンシャルレコメンデーションシステムに困難をもたらす。 本稿では,これらの課題に対処するため,Large Language Models Enhancement framework for Sequential Recommendation (LLM-ESR)を提案する。
  論文  参考訳（メタデータ） (2024-05-31T07:24:42Z)
• A Simple Yet Effective Approach for Diversified Session-Based Recommendation [28.980166530417645]
  本稿では,DCA-SBRS(Diversified category-aware Attentive SBRS)と呼ばれる,既存の代表(精度指向)SBRSに適用可能なエンドツーエンドフレームワークを提案する。 モデルに依存しない多様性指向の損失関数と、非侵襲的なカテゴリー認識の注意機構の2つの新しい設計で構成されている。 提案フレームワークは,推薦精度を著しく低下させることなく,既存のSBRSが推薦の多様性と包括的性能で素晴らしいパフォーマンスを達成するのに役立つ。
  論文  参考訳（メタデータ） (2024-03-30T06:21:56Z)
• EASRec: Elastic Architecture Search for Efficient Long-term Sequential Recommender Systems [82.76483989905961]
  現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。 我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。 EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
  論文  参考訳（メタデータ） (2024-02-01T07:22:52Z)
• Towards Open-world Cross-Domain Sequential Recommendation: A Model-Agnostic Contrastive Denoising Approach [16.09514981871128]
  クロスドメインシーケンシャルレコメンデーション(CDSR)は、従来のシーケンシャルレコメンデーション(SR)システムに存在するデータ空間の問題に対処することを目的としている。 現実世界のレコメンデーションシステムでは、CDSRシナリオは通常、疎い振る舞いを持つ長い尾を持つユーザーの大多数と、一つのドメインにしか存在しないコールドスタートユーザーで構成される。
  論文  参考訳（メタデータ） (2023-11-08T15:33:06Z)
• Multimodal Recommender Systems: A Survey [50.23505070348051]
  マルチモーダル・レコメンダ・システム(MRS)は近年,学界と産業の両方から注目を集めている。 本稿では,主に技術的観点から,MSSモデルに関する総合的な調査を行う。 実装コードなど、調査された論文の詳細にアクセスするために、リポジトリをオープンソース化します。
  論文  参考訳（メタデータ） (2023-02-08T05:12:54Z)
• A Survey on Open Set Recognition [0.0]
  オープンセット認識(OSR)とは、トレーニング中にモデルから学ばなかった未知の状況を扱うことである。 本稿では、OSRに関する既存の研究について調査を行い、それぞれの利点と欠点を区別する。 実世界の未知のインスタンスをOSRが適切に扱えることは、トレーニングデータ中の全てのクラスをキャプチャすることは現実的ではない、と結論付けている。
  論文  参考訳（メタデータ） (2021-08-18T16:40:03Z)
• Deep Conversational Recommender Systems: A New Frontier for Goal-Oriented Dialogue Systems [54.06971074217952]
  Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。 ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
  論文  参考訳（メタデータ） (2020-04-28T02:20:42Z)
• Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
  シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。 まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
  論文  参考訳（メタデータ） (2019-12-28T05:12:28Z)

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。