論文の概要: Agnostic Visual Recommendation Systems: Open Challenges and Future Directions

• arxiv url: http://arxiv.org/abs/2302.00569v2
• Date: Sat, 16 Mar 2024 19:11:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 06:48:15.888616
• Title: Agnostic Visual Recommendation Systems: Open Challenges and Future Directions
• Title（参考訳）: Agnostic Visual Recommendation System: オープンチャレンジと今後の方向性
• Authors: Luca Podo, Bardh Prenkaj, Paola Velardi,
• Abstract要約: ビジュアライゼーション・レコメンデーション・システム(VRS)は、データから洞察に富んだ可視化を作成することを目的とした、新しくて挑戦的な研究分野である。 人間が提供する制約やルールに頼らず、自律的にタスクを学習しようとするため、私たちはVRSを"認識的"と表現します。 本稿では,VRSに関する文献を要約し,今後の研究の方向性について概説する。
• 参考スコア（独自算出の注目度）: 4.922572106422333
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visualization Recommendation Systems (VRSs) are a novel and challenging field of study aiming to help generate insightful visualizations from data and support non-expert users in information discovery. Among the many contributions proposed in this area, some systems embrace the ambitious objective of imitating human analysts to identify relevant relationships in data and make appropriate design choices to represent these relationships with insightful charts. We denote these systems as "agnostic" VRSs since they do not rely on human-provided constraints and rules but try to learn the task autonomously. Despite the high application potential of agnostic VRSs, their progress is hindered by several obstacles, including the absence of standardized datasets to train recommendation algorithms, the difficulty of learning design rules, and defining quantitative criteria for evaluating the perceptual effectiveness of generated plots. This paper summarizes the literature on agnostic VRSs and outlines promising future research directions.
• Abstract（参考訳）: ビジュアライゼーション・レコメンデーション・システム(VRS)は、データから洞察に富んだ可視化を作成し、情報発見において専門家でないユーザをサポートすることを目的とした、新しくて挑戦的な研究分野である。 この領域で提案されている多くのコントリビューションのうち、あるシステムは人間のアナリストを模倣してデータ内の関連する関係を識別し、これらの関係を洞察に富んだチャートで表現するための適切な設計選択を行うという野心的な目標を受け入れている。 これらのシステムは、人間が提供する制約やルールに頼らず、自律的にタスクを学習しようとするため、VRSを「非依存」と表現する。 VRSの高度な応用可能性にもかかわらず、それらの進歩は、推奨アルゴリズムをトレーニングするための標準化データセットの欠如、設計規則の学習の難しさ、生成されたプロットの知覚的有効性を評価するための定量的基準の定義など、いくつかの障害によって妨げられている。 本稿では,VRSに関する文献を要約し,今後の研究方向性について概説する。

関連論文リスト

• Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。 本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-16T09:06:44Z)
• Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
  微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。 パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。 これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:20:44Z)
• Video Anomaly Detection in 10 Years: A Survey and Outlook [10.143205531474907]
  ビデオ異常検出(VAD)は、監視、医療、環境監視といった様々な領域において非常に重要である。 この調査では、従来の教師付きトレーニングパラダイムを超えて、弱教師付き、自己監督型、教師なしのアプローチを包含する、ディープラーニングベースのVADを調査している。
  論文  参考訳（メタデータ） (2024-05-29T17:56:31Z)
• Overcoming Pitfalls in Graph Contrastive Learning Evaluation: Toward Comprehensive Benchmarks [60.82579717007963]
  本稿では,グラフコントラスト学習(GCL)手法の有効性,一貫性,全体的な能力をより正確に評価するために,拡張された評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-24T01:47:56Z)
• Finding Paths for Explainable MOOC Recommendation: A Learner Perspective [2.4775868218890484]
  グラフ推論を用いたMOOC(Massive Open Online Courses)の推薦システムを提案する。 提案手法の実践的意義を検証するため,利用者の知覚を調査した。 2つの教育データセットで実験を行うことにより,本手法の一般化可能性を示す。
  論文  参考訳（メタデータ） (2023-12-11T15:27:22Z)
• 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 Graph Unlearning [12.86327535559885]
  グラフアンラーニングは、トレーニングされたモデルから機密データトレースを削除し、忘れられる権利を保持する手段を提供する。 本稿では,多種多様な方法論を包含したグラフアンラーニング手法の体系的レビューを行う。 我々は、ソーシャルネットワークやレコメンダシステム、モノのインターネットのようなリソース制約のある環境など、さまざまな分野にわたるグラフアンラーニングの汎用性について検討する。
  論文  参考訳（メタデータ） (2023-08-23T20:50:52Z)
• A Comparative Analysis of Bias Amplification in Graph Neural Network Approaches for Recommender Systems [0.0]
  バイアス増幅問題はこれらのアルゴリズムを用いて検討する必要がある。 本稿では,GNNに基づく異なるアルゴリズムのバイアスに対する振る舞いの文献レビューと分析を通じて,この問題を包括的に研究することを目的とする。
  論文  参考訳（メタデータ） (2023-01-18T16:29:05Z)
• Semi-Supervised and Unsupervised Deep Visual Learning: A Survey [76.2650734930974]
  半教師なし学習と教師なし学習は、ラベルなしの視覚データから学ぶための有望なパラダイムを提供する。 本稿では, 半教師付き学習(SSL)と非教師付き学習(UL)の先進的な深層学習アルゴリズムについて, 統一的な視点による視覚的認識について概説する。
  論文  参考訳（メタデータ） (2022-08-24T04:26:21Z)
• Graph Learning based Recommender Systems: A Review [111.43249652335555]
  グラフ学習ベースのレコメンダーシステム(GLRS)は、高度なグラフ学習アプローチを使用して、ユーザーの好みと意図、および推奨項目の特性をモデル化します。 本稿では,グラフに基づく表現から重要な知識を抽出し,レコメンデーションの正確性,信頼性,説明性を向上する方法について論じることにより,GLRSの体系的なレビューを行う。
  論文  参考訳（メタデータ） (2021-05-13T14:50:45Z)
• Visual analytics of set data for knowledge discovery and member selection support [0.7734726150561089]
  本研究では,知識発見とメンバー選択を支援するために,データセットのVAを作成する手法を開発した。 典型的なターゲットアプリケーションは、チーム分析とメンバー選択のためのビジュアルサポートシステムである。 バスケットボールチームに適用して提案手法を実証し,結果予測とラインアップ再構築タスクのベンチマークシステムと比較した。
  論文  参考訳（メタデータ） (2021-04-04T08:22:01Z)

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。