Fugu-MT 論文翻訳(概要): Augmenting Netflix Search with In-Session Adapted Recommendations

論文の概要: Augmenting Netflix Search with In-Session Adapted Recommendations

arxiv url: http://arxiv.org/abs/2206.02254v1
Date: Sun, 5 Jun 2022 20:09:46 GMT
ステータス: 処理完了
システム内更新日: 2022-06-07 14:37:15.701135
Title: Augmenting Netflix Search with In-Session Adapted Recommendations
Title（参考訳）: セッション内適応レコメンデーションによるNetflix検索の強化
Authors: Moumita Bhattacharya and Sudarshan Lamkhede
Abstract要約: 本稿ではNetflix Searchの文脈におけるエンドツーエンドのセッション適応レコメンデーションシステムの概要について述べる。このようなシステムを運用規模で開発する際の課題と潜在的な解決策について議論する。
参考スコア（独自算出の注目度）: 1.14219428942199
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We motivate the need for recommendation systems that can cater to the members in-the-moment intent by leveraging their interactions from the current session. We provide an overview of an end-to-end in-session adaptive recommendations system in the context of Netflix Search. We discuss the challenges and potential solutions when developing such a system at production scale.
Abstract（参考訳）: 我々は,現在のセッションから参加者のインタラクションを活用することで,モメント内の意図に適合できるレコメンデーションシステムの必要性を動機付けている。 netflix検索の文脈において、エンドツーエンドのインセッション適応型レコメンデーションシステムの概要を提供する。我々は,本番規模でシステムを開発する際の課題と潜在的な解決策について考察する。

関連論文リスト

All Roads Lead to Rome: Unveiling the Trajectory of Recommender Systems Across the LLM Era [63.649070507815715]
我々は、リコメンデータシステムをより広い視野に統合し、将来の研究のためのより包括的なソリューションの道を開くことを目指しています。我々は、リストワイズレコメンデーションと会話レコメンデーションを通じて、現代のレコメンデーションシステムの2つの進化経路を特定する。本稿では,ユーザの獲得コストを削減しつつ,推薦情報の有効性を高めることを指摘する。
論文参考訳（メタデータ） (2024-07-14T05:02:21Z)
A Survey on Intent-aware Recommender Systems [8.761638205244427]
推薦システムは、ある時点にサービスを利用するというユーザの意図を考慮に入れることを目的としている。本稿では,次世代のIntent-Aware Recommender Systemsを構築するための既存のアプローチを調査し,分類する。
論文参考訳（メタデータ） (2024-06-24T06:46:32Z)
A Model-based Multi-Agent Personalized Short-Video Recommender System [19.03089585214444]
本稿では,RLをベースとした産業用ショートビデオレコメンデータランキングフレームワークを提案する。提案フレームワークでは,サンプル選択バイアスを軽減するために,モデルに基づく学習アプローチを採用している。提案手法は,当社の大規模ショートビデオ共有プラットフォームに導入されている。
論文参考訳（メタデータ） (2024-05-03T04:34:36Z)
A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。特に、コメント視聴時間の4.13%が大幅に向上した。
論文参考訳（メタデータ） (2024-03-20T13:14:29Z)
Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文参考訳（メタデータ） (2022-07-04T17:58:39Z)
Heterogeneous Graph Neural Network for Personalized Session-Based Recommendation with User-Session Constraints [0.0]
セッションベースのレコメンデーションは、アイテムのシーケンスで構成されるセッションを解釈することでアイテムを推奨しようとする。本稿では,不均一な注意ネットワークを通じてセッションによって生成されるグラフの様々な関係について考察する。トレーニングプロセスのさらなる最適化を通じて、パフォーマンスの向上を目指している。
論文参考訳（メタデータ） (2022-05-23T14:35:26Z)
Movie Recommender System using critic consensus [0.0]
協調コンテンツとコンテンツベースのコンテンツの統合に基づくハイブリッドレコメンデーションシステムを提案する。ユーザの好みと批判的コンセンサススコアの組み合わせに基づいて映画を推薦する新しいモデルを提示したい。
論文参考訳（メタデータ） (2021-12-22T13:04:41Z)
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)
Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
実験による推薦システムに対する事前学習の利点を示す。事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
論文参考訳（メタデータ） (2020-09-19T13:06:27Z)
Recommender Systems for the Internet of Things: A Survey [53.865011795953706]
勧告は、モノのインターネット(Internet of Things)の利益を開発し、促進する上で重要な段階である。従来のレコメンデータシステムは、成長を続ける、動的で、異質なIoTデータを活用することができません。
論文参考訳（メタデータ） (2020-07-14T01:24:44Z)
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)

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。