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
- Interactive Garment Recommendation with User in the Loop [77.35411131350833]
我々は,服を作るために補完的なアイテムを推奨するので,ユーザ反応を統合することでユーザプロファイルをその場で構築することを提案する。
本稿では,適切な衣服を提案し,ユーザのフィードバックを取り入れて推薦を改善することができる強化学習エージェントを提案する。
論文 参考訳(メタデータ) (2024-02-18T16:01:28Z) - User-Controllable Recommendation via Counterfactual Retrospective and
Prospective Explanations [96.45414741693119]
本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。
反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
論文 参考訳(メタデータ) (2023-08-02T01:13:36Z) - Recommender Systems: A Primer [7.487718119544156]
本稿では,従来のレコメンデーション問題の定式化について概説する。
次に、アイテム検索とランキングのための古典的アルゴリズムパラダイムをレビューする。
本稿では,近年のレコメンデーションシステム研究の進展について論じる。
論文 参考訳(メタデータ) (2023-02-06T06:19:05Z) - 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) - Constrained Reinforcement Learning for Short Video Recommendation [18.492477839791274]
ソーシャルメディアプラットフォーム上のショートビデオは、レコメンデーターシステムの最適化に新たな課題をもたらす。
アクター・クリティカルな枠組みに基づく2段階強化学習手法を提案する。
当社のアプローチは,ユーザエクスペリエンスを最適化するために,運用システムで完全にローンチされています。
論文 参考訳(メタデータ) (2022-05-26T09:36:20Z) - 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。
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。