論文の概要: User recommendation system based on MIND dataset
- arxiv url: http://arxiv.org/abs/2209.06131v1
- Date: Tue, 6 Sep 2022 22:25:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 17:49:56.519381
- Title: User recommendation system based on MIND dataset
- Title(参考訳): MINDデータセットに基づくユーザ推薦システム
- Authors: Niran A. Abdulhussein and Ahmed J Obaid
- Abstract要約: MINDデータセットを2019年に収集したシステムに使用します。
本システムでは,単語の埋め込みと表現にGloVeアルゴリズムを用いた。
AUC 71.211, MRR 35.72, nDCG@5 38.05, nDCG@10 44.45の他の関連研究よりも優れた結果が得られる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Nowadays, it's a very significant way for researchers and other individuals
to achieve their interests because it provides short solutions to satisfy their
demands. Because there are so many pieces of information on the internet, news
recommendation systems allow us to filter content and deliver it to the user in
proportion to his desires and interests. RSs have three techniques:
content-based filtering, collaborative filtering, and hybrid filtering. We will
use the MIND dataset with our system, which was collected in 2019, the big
challenge in this dataset because there is a lot of ambiguity and complex text
processing. In this paper, will present our proposed recommendation system. The
core of our system we have used the GloVe algorithm for word embeddings and
representation. Besides, the Multi-head Attention Layer calculates the
attention of words, to generate a list of recommended news. Finally, we achieve
good results more than some other related works in AUC 71.211, MRR 35.72,
nDCG@5 38.05, and nDCG@10 44.45.
- Abstract(参考訳): 今日では、研究者や他の個人が彼らの要求を満たすための短い解決策を提供するため、彼らの利益を達成するための非常に重要な方法である。
インターネットにはたくさんの情報があるので、ニュースレコメンデーションシステムは、コンテンツをフィルタリングして、ユーザの欲求や関心に比例してそれをユーザに届けることができます。
RSにはコンテンツベースのフィルタリング、協調フィルタリング、ハイブリッドフィルタリングの3つの技術がある。
2019年に収集したシステムでマインドデータセットを使用する予定ですが、このデータセットには曖昧さと複雑なテキスト処理がたくさんあるため、大きな課題があります。
本稿では,提案する推薦システムについて述べる。
私たちのシステムの中核は、単語の埋め込みと表現にグローブアルゴリズムを使用しました。
さらに、Multi-head Attention Layerは単語の注目度を算出し、推奨ニュースのリストを生成する。
最後に, AUC 71.211, MRR 35.72, nDCG@5 38.05, nDCG@10 44.45 の他の関連研究よりも優れた結果を得た。
関連論文リスト
- 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) - DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System
for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。
MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。
細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文 参考訳(メタデータ) (2023-05-05T16:59:26Z) - kNN-Embed: Locally Smoothed Embedding Mixtures For Multi-interest
Candidate Retrieval [7.681386867564213]
kNN-Embedは、各ユーザを、学習したアイテムクラスタ上のスムーズな混合として表現し、ユーザの“関心”を表現している。
我々は、kNN-Embedを標準のANN候補検索と比較し、全体的なリコールの改善と3つのデータセット間の多様性の向上を示す。
論文 参考訳(メタデータ) (2022-05-12T16:42:24Z) - Multi-task recommendation system for scientific papers with high-way
networks [1.5229257192293197]
論文推薦を予測し,キーワードなどのメタデータを生成するマルチタスクレコメンデーションシステム(RS)を提案する。
このアプローチの背景には、キーワードとして表現された論文のトピックが、研究者の好みの予測に有用である、という動機がある。
我々のアプリケーションは、ハイウェイネットワークを使ってシステムを非常に深く訓練し、RNNとCNNの利点を組み合わせて最も重要な要素を見つけ、遅延表現する。
論文 参考訳(メタデータ) (2022-04-21T07:40:47Z) - Broad Recommender System: An Efficient Nonlinear Collaborative Filtering
Approach [56.12815715932561]
我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。
深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。
7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
論文 参考訳(メタデータ) (2022-04-20T01:25:08Z) - Comprehensive Movie Recommendation System [0.0]
本稿では、Genre, Pearson correlation Coefficient, Cosine similarity, KNN-based, Content-Based Filteringに基づく完全な映画レコメンデーションシステムのプロトタイプを実装した。
また,ジャンルに基づく映画のクラスタ構築に機械学習技術を適用した新しいアイデアを提案する。
グループレンズのWebサイトには、9742本の映画に100836のレーティングと3683のタグアプリケーションがある。
論文 参考訳(メタデータ) (2021-12-23T11:02:57Z) - Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。
本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。
ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
論文 参考訳(メタデータ) (2021-09-20T06:07:14Z) - A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers [0.7310043452300736]
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
論文 参考訳(メタデータ) (2021-05-26T23:10:51Z) - Exploration in two-stage recommender systems [79.50534282841618]
2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。
このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。
そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
論文 参考訳(メタデータ) (2020-09-01T16:52:51Z) - A Hybrid Approach to Enhance Pure Collaborative Filtering based on
Content Feature Relationship [0.17188280334580192]
本稿では,自然言語処理領域であるWord2Vecから,コンテンツ特徴間の暗黙的な関係を抽出する手法を提案する。
次に、関連性を利用してアイテムのベクトル表現を決定する新しいコンテンツベースレコメンデーションシステムを提案する。
評価結果から,ユーザが選択した項目の選好を,純粋に協調的なフィルタリングと同等に予測できることが示唆された。
論文 参考訳(メタデータ) (2020-05-17T02:20:45Z) - Filter Grafting for Deep Neural Networks [71.39169475500324]
ディープニューラルネットワーク(DNN)の表現能力向上を目的としたフィルタグラフト
我々は,フィルタの情報を測定するエントロピーベースの基準と,ネットワーク間のグラフト情報のバランスをとるための適応重み付け戦略を開発する。
例えば、グラフトされたMobileNetV2は、CIFAR-100データセットで非グラフトされたMobileNetV2を約7%上回っている。
論文 参考訳(メタデータ) (2020-01-15T03:18:57Z)
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。