論文の概要: A Survey of Recommender System Techniques and the Ecommerce Domain
- arxiv url: http://arxiv.org/abs/2208.07399v1
- Date: Mon, 15 Aug 2022 18:30:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-17 12:49:22.335047
- Title: A Survey of Recommender System Techniques and the Ecommerce Domain
- Title（参考訳）: 推薦システム技術とeコマースドメインに関する調査研究
- Authors: Imran Hossain, Md Aminul Haque Palash, Anika Tabassum Sejuty, Noor A
Tanjim, MD Abdullah AL Nasim, Sarwar Saif, Abu Bokor Suraj
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In this big data era, it is hard for the current generation to find the right
data from the huge amount of data contained within online platforms. In such a
situation, there is a need for an information filtering system that might help
them find the information they are looking for. In recent years, a research
field has emerged known as recommender systems. Recommenders have become
important as they have many real-life applications. This paper reviews the
different techniques and developments of recommender systems in e-commerce,
e-tourism, e-resources, e-government, e-learning, and e-library. By analyzing
recent work on this topic, we will be able to provide a detailed overview of
current developments and identify existing difficulties in recommendation
systems. The final results give practitioners and researchers the necessary
guidance and insights into the recommendation system and its application.
- Abstract（参考訳）: このビッグデータの時代では、オンラインプラットフォームに含まれる膨大なデータから、現在の世代が適切なデータを見つけることは困難である。
このような状況下では、探している情報を見つけるのに役立つ情報フィルタリングシステムが必要である。
近年、推薦システムとして知られる研究分野が出現している。
現実のアプリケーションが多いため、レコメンダは重要になっている。
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。
このトピックに関する最近の研究を分析して、現在の開発の概要を説明し、レコメンデーションシステムにおける既存の困難を特定することができる。
最終結果は、実践者や研究者にレコメンデーションシステムとその応用に関する必要なガイダンスと洞察を与える。
関連論文リスト
- Generative Large Recommendation Models: Emerging Trends in LLMs for Recommendation [85.52251362906418]
このチュートリアルでは、大規模言語モデル(LLM)を統合するための2つの主要なアプローチを探求する。
これは、最近の進歩、課題、潜在的研究の方向性を含む、生成的な大規模なレコメンデーションモデルの包括的な概要を提供する。
主なトピックは、データ品質、スケーリング法則、ユーザの行動マイニング、トレーニングと推論の効率性である。
論文 参考訳（メタデータ） (2025-02-19T14:48:25Z) - 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) - 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 [53.48892326556546]
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。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Recent Developments in Recommender Systems: A Survey [34.810859384592355]
この研究は、パーソナライズされたシステムやグループレコメンデーションシステムを含む、レコメンデーションシステムの主要な分類を包括的にまとめることから始まる。
この調査は、レコメンデータシステムにおける堅牢性、データバイアス、公平性の問題を分析します。
この研究は、リコメンデータシステムの開発における最新のトレンドについての洞察を提供し、この分野における今後の研究の方向性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-06-22T05:51:49Z) - 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) - A Survey of Deep Reinforcement Learning in Recommender Systems: A
Systematic Review and Future Directions [40.73124164815037]
本調査は,レコメンデーションシステムにおける近年の深層強化学習の動向を,タイムリーかつ包括的に概観することを目的としている。
本稿では,現在のDRLに基づくレコメンデータシステムの分類と既存手法の概要について述べる。
論文 参考訳（メタデータ） (2021-09-08T10:44:55Z) - The use of Recommender Systems in web technology and an in-depth
analysis of Cold State problem [0.0]
レコメンデーターシステムは、ユーザーにとって好ましくないアイテムを優先順位付けするためのパーソナライズされたビューを提供する。
彼らは長年にわたり、機械学習やデータマイニングを含む人工知能技術で発展してきた。
本稿では,このようなコールドスタート問題に,いくつかの手法と課題で対処することを目的とする。
論文 参考訳（メタデータ） (2020-09-10T11:32:59Z) - 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) - 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。