論文の概要: Research on restaurant recommendation using machine learning
- arxiv url: http://arxiv.org/abs/2208.05113v1
- Date: Wed, 10 Aug 2022 02:59:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 13:05:18.948599
- Title: Research on restaurant recommendation using machine learning
- Title(参考訳): 機械学習を用いたレストラン推薦に関する研究
- Authors: Junan Pan, Zhihao Zhao
- Abstract要約: 本稿では,機械学習関連レコメンデーションシステムの概要について概説する。
最も重要なポイントは、機械学習が日々の生活に与える影響を誰もが理解できるようにすることです。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A recommender system is a system that helps users filter irrelevant
information and create user interest models based on their historical records.
With the continuous development of Internet information, recommendation systems
have received widespread attention in the industry. In this era of ubiquitous
data and information, how to obtain and analyze these data has become the
research topic of many people. In view of this situation, this paper makes some
brief overviews of machine learning-related recommendation systems. By
analyzing some technologies and ideas used by machine learning in recommender
systems, let more people understand what is Big data and what is machine
learning. The most important point is to let everyone understand the profound
impact of machine learning on our daily life.
- Abstract(参考訳): レコメンダシステムとは、ユーザが無関係な情報をフィルタリングし、履歴に基づいてユーザーの関心モデルを作成するシステムである。
インターネット情報の継続的な発展により、レコメンデーションシステムは業界で広く注目を集めている。
ユビキタスデータと情報の時代には、これらのデータの取得と分析が、多くの人々の研究トピックとなっている。
そこで本稿では,機械学習関連レコメンデーションシステムの概要について概説する。
機械学習がレコメンデーションシステムで使用する技術やアイデアを分析することで、ビッグデータと機械学習とは何なのかをより多くの人に理解させることができる。
最も重要なポイントは、機械学習が日々の生活に与える影響を誰もが理解できるようにすることです。
関連論文リスト
- Machine Unlearning: Taxonomy, Metrics, Applications, Challenges, and
Prospects [17.502158848870426]
データユーザには、データを忘れる権利が与えられている。
機械学習(ML)の過程で、忘れられた権利は、ユーザーデータを削除するためにモデルプロバイダを必要とする。
機械学習は、業界と学界の両方からますます注目を集めている。
論文 参考訳(メタデータ) (2024-03-13T05:11:24Z) - 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) - A Survey of Recommender System Techniques and the Ecommerce Domain [0.0]
本稿では,e-Commerce,e-tourism,e-resources,e- Government,e-learning,e-libraryにおけるレコメンダシステムのさまざまな技術と展開についてレビューする。
論文 参考訳(メタデータ) (2022-08-15T18:30:22Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳(メタデータ) (2021-05-29T21:02:44Z) - Open-world Machine Learning: Applications, Challenges, and Opportunities [0.7734726150561086]
オープンワールド機械学習は、任意の入力(目に見えないクラスを持つデータ)を機械学習システムに処理する。
従来の機械学習は静的な学習であり、アクティブな環境には適さない。
本稿では,オープンワールド機械学習における様々な手法の体系的レビューを行う。
論文 参考訳(メタデータ) (2021-05-27T21:05:10Z) - Applying Machine Learning in Self-Adaptive Systems: A Systematic
Literature Review [15.953995937484176]
現在、自己適応システムにおける機械学習の使用に関する体系的な概要はない。
我々は、従来のモニター・アナライズ・プラン・エクユートフィードバックループ(MAPE)に基づく自己適応システムに焦点を当てる。
研究の質問は、自己適応システムにおける機械学習の使用を動機づける問題、自己適応における学習の重要なエンジニアリング側面、オープンな課題に焦点を当てている。
論文 参考訳(メタデータ) (2021-03-06T13:45:59Z) - Intuitiveness in Active Teaching [7.8029610421817654]
我々は,ユーザが積極的に教えるアルゴリズムの直感性を解析する。
我々は人間と機械の相互作用の有効性を判断する体系的な方法を提案する。
論文 参考訳(メタデータ) (2020-12-25T09:31:56Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳(メタデータ) (2020-05-27T11:56:56Z) - Improving time use measurement with personal big data collection -- the
experience of the European Big Data Hackathon 2019 [62.997667081978825]
この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。
i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
論文 参考訳(メタデータ) (2020-04-24T18:40:08Z) - 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。