Fugu-MT 論文翻訳(概要): Improvements on Recommender System based on Mathematical Principles

論文の概要: Improvements on Recommender System based on Mathematical Principles

arxiv url: http://arxiv.org/abs/2304.13579v1
Date: Wed, 26 Apr 2023 14:13:46 GMT
ステータス: 処理完了
システム内更新日: 2023-04-27 14:00:59.070776
Title: Improvements on Recommender System based on Mathematical Principles
Title（参考訳）: 数学的原理に基づく推薦システムの改良
Authors: Fu Chen, Junkang Zou, Lingfeng Zhou, Zekai Xu, Zhenyu Wu
Abstract要約: 本稿では,数理原理に基づくRecommender Systemのアルゴリズムを説明し,改善のための有効な方法を見出す。確率に基づくアルゴリズムはRecommender Systemにおいて重要であり、アルゴリズムの精度と速度を高めるためにどのように役立つかを説明する。
参考スコア（独自算出の注目度）: 10.027420333081084
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this article, we will research the Recommender System's implementation about how it works and the algorithms used. We will explain the Recommender System's algorithms based on mathematical principles, and find feasible methods for improvements. The algorithms based on probability have its significance in Recommender System, we will describe how they help to increase the accuracy and speed of the algorithms. Both the weakness and the strength of two different mathematical distance used to describe the similarity will be detailed illustrated in this article.
Abstract（参考訳）: 本稿では,Recommender Systemの実装について,その動作方法と使用するアルゴリズムについて検討する。本稿では,数理原理に基づくRecommender Systemのアルゴリズムを説明し,改善のための有効な方法を見出す。確率に基づくアルゴリズムはRecommender Systemにおいて重要であり、アルゴリズムの精度と速度を高めるためにどのように役立つかを説明する。類似性を記述するために用いられる2つの異なる数学的距離の弱さと強みは、この記事で詳述する。

関連論文リスト

Predictive accuracy of recommender algorithms [0.0]
ディープラーニングニューラルネットワークの適用を含む,レコメンデータシステムのさまざまなアルゴリズムが開発され,改良されている。最近の研究報告は、異なる推奨アルゴリズムの相対的精度に関する洞察を得るために、慎重に制御された実験を行う必要があることを指摘している。この調査では、従来の3つの推奨アルゴリズムと2つのディープラーニング(DL)アルゴリズムを組み合わせて、公開されている評価データのソースを使用して、比較精度を評価した。
論文参考訳（メタデータ） (2024-06-26T19:25:07Z)
A Novel Ranking Scheme for the Performance Analysis of Stochastic Optimization Algorithms using the Principles of Severity [9.310464457958844]
複数の単目的最適化問題に対してアルゴリズムをランク付けする新しいランキング方式を提案する。アルゴリズムの結果は、ロバストなブートストラップに基づく仮説テスト手法を用いて比較される。
論文参考訳（メタデータ） (2024-05-31T19:35:34Z)
Improving Recommendation Relevance by simulating User Interest [77.34726150561087]
不活発な項目のランクを反復的に減らすことにより、リコメンデーション"レコメンデーション"が、簡単かつ透過的に維持可能であることを観察する。この研究の背景にある基本的なアイデアは、オンラインレコメンデーションシステムの文脈で特許を取得している。
論文参考訳（メタデータ） (2023-02-03T03:35:28Z)
Multivariate Systemic Risk Measures and Computation by Deep Learning Algorithms [63.03966552670014]
本稿では,主観的最適度と関連するリスク割り当ての公平性に着目し,重要な理論的側面について論じる。私たちが提供しているアルゴリズムは、予備項の学習、二重表現の最適化、およびそれに対応する公正なリスク割り当てを可能にします。
論文参考訳（メタデータ） (2023-02-02T22:16:49Z)
Efficient computation of the Knowledge Gradient for Bayesian Optimization [1.0497128347190048]
One-shot Hybrid KGは、これまで提案されていたアイデアをいくつか組み合わせた新しいアプローチであり、計算が安価で、強力で効率的である。すべての実験はBOTorchで実施され、同等または改善された性能で計算オーバーヘッドを劇的に削減した。
論文参考訳（メタデータ） (2022-09-30T10:39:38Z)
GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文参考訳（メタデータ） (2021-11-06T10:47:45Z)
Optimized Recommender Systems with Deep Reinforcement Learning [0.0]
本研究は,再現性のあるテストベッドをセットアップし,現実的な環境下での異なる技術アルゴリズムの状態を評価する手法について検討・開発する。提案、文献レビュー、方法論、結果、コメントを含む。
論文参考訳（メタデータ） (2021-10-06T19:54:55Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文参考訳（メタデータ） (2021-01-08T18:55:07Z)
Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
論文参考訳（メタデータ） (2020-09-07T16:47:30Z)

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。