論文の概要: Recommender Systems: A Primer

• arxiv url: http://arxiv.org/abs/2302.02579v1
• Date: Mon, 6 Feb 2023 06:19:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 17:32:29.013737
• Title: Recommender Systems: A Primer
• Title（参考訳）: Recommender Systems: プライマー
• Authors: Pablo Castells and Dietmar Jannach
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.487718119544156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized recommendations have become a common feature of modern online services, including most major e-commerce sites, media platforms and social networks. Today, due to their high practical relevance, research in the area of recommender systems is flourishing more than ever. However, with the new application scenarios of recommender systems that we observe today, constantly new challenges arise as well, both in terms of algorithmic requirements and with respect to the evaluation of such systems. In this paper, we first provide an overview of the traditional formulation of the recommendation problem. We then review the classical algorithmic paradigms for item retrieval and ranking and elaborate how such systems can be evaluated. Afterwards, we discuss a number of recent developments in recommender systems research, including research on session-based recommendation, biases in recommender systems, and questions regarding the impact and value of recommender systems in practice.
• Abstract（参考訳）: パーソナライズされたレコメンデーションは、ほとんどの主要なeコマースサイト、メディアプラットフォーム、ソーシャルネットワークを含む、現代のオンラインサービスの一般的な機能となっている。 現在では、その高い実用的妥当性から、レコメンデーションシステムの分野での研究がこれまでになく盛んになっている。 しかし、我々が現在観察しているレコメンダシステムの新しいアプリケーションシナリオでは、アルゴリズム的な要求とシステムの評価の両方において、常に新しい課題が発生する。 本稿では,まず,レコメンデーション問題の従来の定式化について概説する。 次に,項目検索とランク付けのための古典的アルゴリズムパラダイムを考察し,それらのシステムの評価方法について詳述する。 その後,セッションベースレコメンデーションの研究,レコメンデーションシステムにおけるバイアス,実際にレコメンデーションシステムが与える影響と価値に関する質問など,レコメンデーションシステム研究における最近の多くの進展について議論する。

関連論文リスト

• RecRec: Algorithmic Recourse for Recommender Systems [41.97186998947909]
  特定の予測やレコメンデーションを行う上で、すべての利害関係者がモデルの理論的根拠を理解することが不可欠です。 これは、リコメンデーションシステムに依存するコンテンツプロバイダにとって特に当てはまります。 本稿では,コンテンツ提供者を対象としたレコメンデーションシステムのためのレコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-28T22:26:50Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 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。
  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)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• A Comprehensive Review on Non-Neural Networks Collaborative Filtering Recommendation Systems [1.3124513975412255]
  協調フィルタリング(CF)は、あるユーザグループの既知の好みを利用して、他のユーザの未知の好みに関する予測とレコメンデーションを行う。 1990年代に初めて導入され、様々なモデルが提案されている。 多くの分野で機械学習技術の成功により、リコメンデーションシステムにおけるそのようなアルゴリズムの適用に重点が置かれている。
  論文  参考訳（メタデータ） (2021-06-20T11:13:33Z)
• Knowledge Transfer via Pre-training for Recommendation: A Review and Prospect [89.91745908462417]
  実験による推薦システムに対する事前学習の利点を示す。 事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
  論文  参考訳（メタデータ） (2020-09-19T13:06:27Z)
• 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 Systematic Review on Context-Aware Recommender Systems using Deep Learning and Embeddings [0.0]
  コンテキスト認識レコメンダシステム(Context-Aware Recommender Systems)が作成され、最先端の結果が得られた。 ディープラーニングと埋め込み技術は、コンテキスト認識レコメンダシステムを改善するために適用されています。
  論文  参考訳（メタデータ） (2020-07-09T13:23:40Z)
• Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
  信頼できるレコメンデーションシステムを採用することが重要になります。 本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
  論文  参考訳（メタデータ） (2020-04-08T02:11:55Z)
• 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。