論文の概要: Shadfa 0.1: The Iranian Movie Knowledge Graph and Graph-Embedding-Based Recommender System

• arxiv url: http://arxiv.org/abs/2210.07822v1
• Date: Fri, 14 Oct 2022 13:46:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 17:38:26.498533
• Title: Shadfa 0.1: The Iranian Movie Knowledge Graph and Graph-Embedding-Based Recommender System
• Title（参考訳）: Shadfa 0.1: イラン映画知識グラフとグラフ埋め込みベースのレコメンドシステム
• Authors: Rayhane Pouyan, Hadi Kalamati, Hannane Ebrahimian, Mohammad Karrabi, Mohammad-R. Akbarzadeh-T
• Abstract要約: イランの映画データセットは、映画関連ウェブサイトからデータを抽出することで作成されます。 本研究は,精度,リコール,F1スコアを用いて,提案手法が従来の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.8374319565577157
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Movies are a great source of entertainment. However, the problem arises when one is trying to find the desired content within this vast amount of data which is significantly increasing every year. Recommender systems can provide appropriate algorithms to solve this problem. The content_based technique has found popularity due to the lack of available user data in most cases. Content_based recommender systems are based on the similarity of items' demographic information; Term Frequency _ Inverse Document Frequency (TF_IDF) and Knowledge Graph Embedding (KGE) are two approaches used to vectorize data to calculate these similarities. In this paper, we propose a weighted content_based movie RS by combining TF_IDF which is an appropriate approach for embedding textual data such as plot/description, and KGE which is used to embed named entities such as the director's name. The weights between features are determined using a Genetic algorithm. Additionally, the Iranian movies dataset is created by scraping data from movie_related websites. This dataset and the structure of the FarsBase KG are used to create the MovieFarsBase KG which is a component in the implementation process of the proposed content_based RS. Using precision, recall, and F1 score metrics, this study shows that the proposed approach outperforms the conventional approach that uses TF_IDF for embedding all attributes.
• Abstract（参考訳）: 映画はエンターテイメントの大きな源です。 しかし、この問題は、この膨大な量のデータの中で、毎年著しく増加している所望のコンテンツを見つけようとするときに発生する。 この問題を解決するために、レコメンダシステムは適切なアルゴリズムを提供することができる。 content_based技術は、ほとんどのケースで利用可能なユーザデータが不足しているために人気がある。 用語周波数_逆文書周波数(TF_IDF)と知識グラフ埋め込み(KGE)は、これらの類似性を計算するためにデータのベクトル化に使用される2つのアプローチである。 本稿では、プロット/記述などのテキストデータを埋め込むための適切なアプローチであるTF_IDFと、監督名などの名前付きエンティティを埋め込むためのKGEを組み合わせることで、コンテンツ_ベース映画RSを提案する。 特徴間の重みは遺伝的アルゴリズムを用いて決定される。 さらに、イラン映画データセットは、 Movie_related Webサイトからデータをスクラップすることで作成される。 このデータセットとFarsBase KGの構造は、提案されたcontent_based RSの実装プロセスにおけるコンポーネントであるMovieFarsBase KGを作成するために使用される。 本研究は,精度,リコール,F1スコアの指標を用いて,TF_IDFを用いて全ての属性を埋め込む従来の手法よりも優れていることを示す。

関連論文リスト

• A Hypergraph-Based Approach to Recommend Online Resources in a Library [0.0]
  本研究は,デジタル図書館の利用データを分析し,利用者に推薦する。 異なるクラスタリングアルゴリズムを使用してレコメンダシステムを設計する。
  論文  参考訳（メタデータ） (2023-12-02T02:57:52Z)
• GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval [59.47258928867802]
  テキストクエリーが与えられた場合、部分関連ビデオ検索(PRVR)はデータベースに関連する瞬間を含むビデオを探し出そうとする。 本稿では,GMMFormerを提案する。GMMFormerはガウス・ミクチャーモデルに基づくトランスフォーマーで,クリップ表現を暗黙的にモデル化する。 3つの大規模ビデオデータセットの実験は、GMMFormerの優位性と効率を実証している。
  論文  参考訳（メタデータ） (2023-10-08T15:04:50Z)
• Unified Coarse-to-Fine Alignment for Video-Text Retrieval [71.85966033484597]
  UCoFiAと呼ばれる統一粗粒配向モデルを提案する。 我々のモデルは、異なる粒度レベルで、モーダル間の類似情報をキャプチャする。 そこで,Sinkhorn-Knoppアルゴリズムを用いて各レベルの類似性を正規化し,それらを要約する。
  論文  参考訳（メタデータ） (2023-09-18T19:04:37Z)
• Content-based Recommendation Engine for Video Streaming Platform [0.0]
  本稿では,コンテンツに基づく推薦エンジンを提案する。 TF-IDFテキストベクトル化法を用いて文書中の単語の関連性を決定する。 次に、それらの間のコサイン類似性を計算することにより、各内容間の類似性を見出す。
  論文  参考訳（メタデータ） (2023-08-16T14:50:51Z)
• Content Popularity Prediction Based on Quantized Federated Bayesian Learning in Fog Radio Access Networks [76.16527095195893]
  キャッシュ可能なフォグラジオアクセスネットワーク(F-RAN)におけるコンテンツ人気予測問題について検討する。 そこで本研究では,コンテンツ要求パターンをモデル化するためのガウス過程に基づく回帰器を提案する。 我々はベイズ学習を利用してモデルパラメータを訓練する。
  論文  参考訳（メタデータ） (2022-06-23T03:05:12Z)
• VRAG: Region Attention Graphs for Content-Based Video Retrieval [85.54923500208041]
  Region Attention Graph Networks (VRAG) は最先端のビデオレベルの手法を改善している。 VRAGは、地域レベルの特徴を通して、より細かい粒度のビデオを表現し、地域レベルの関係を通して、ビデオ時間ダイナミクスをエンコードする。 本研究では,映像のセグメント化や映像検索にショット埋め込みを用いることで,映像レベルとフレームレベルの性能差を低減できることを示す。
  論文  参考訳（メタデータ） (2022-05-18T16:50:45Z)
• 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)
• HighlightMe: Detecting Highlights from Human-Centric Videos [62.265410865423]
  我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。 本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。 我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
  論文  参考訳（メタデータ） (2021-10-05T01:18:15Z)
• Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
  知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。 既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。 本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:21:36Z)
• Embedding Ranking-Oriented Recommender System Graphs [10.74267520911262]
  グラフベースのランキング指向推薦フレームワークであるPGRecを提案する。 提案手法の性能評価を行った結果,異なるMovieLensデータセットのNDCG@10において,PGRecはベースラインアルゴリズムよりも3.2%高い性能を示した。
  論文  参考訳（メタデータ） (2020-07-31T16:56:54Z)
• A multimodal approach for multi-label movie genre classification [2.1342631813973507]
  The Movie Databaseの152,622タイトルのトレーラービデオクリップ、サブタイトル、シナプス、映画のポスターからなるデータセットを作成しました。 データセットは慎重にキュレーションされ、整理され、この作業のコントリビューションとして利用可能になった。
  論文  参考訳（メタデータ） (2020-06-01T00:51:39Z)

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。