論文の概要: Less Can Be More: Exploring Population Rating Dispositions with Partitioned Models in Recommender Systems

• arxiv url: http://arxiv.org/abs/2306.11279v1
• Date: Tue, 20 Jun 2023 04:16:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 15:42:55.015633
• Title: Less Can Be More: Exploring Population Rating Dispositions with Partitioned Models in Recommender Systems
• Title（参考訳）: lessはもっとあり得る - レコメンダシステムにおける分割モデルによる人口評価方法の検討
• Authors: Ruixuan Sun, Ruoyan Kong, Qiao Jin, and Joseph A. Konstan
• Abstract要約: 評価の異なる利用者は推薦システムが異なる場合がある。 このようなパーティショニングにより計算効率は向上するが、トップk性能と予測精度も向上する。
• 参考スコア（独自算出の注目度）: 1.4279471205248533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, we partition users by rating disposition - looking first at their percentage of negative ratings, and then at the general use of the rating scale. We hypothesize that users with different rating dispositions may use the recommender system differently and therefore the agreement with their past ratings may be less predictive of the future agreement. We use data from a large movie rating website to explore whether users should be grouped by disposition, focusing on identifying their various rating distributions that may hurt recommender effectiveness. We find that such partitioning not only improves computational efficiency but also improves top-k performance and predictive accuracy. Though such effects are largest for the user-based KNN CF, smaller for item-based KNN CF, and smallest for latent factor algorithms such as SVD.
• Abstract（参考訳）: そこで本研究では,まず,評価率の負の比率,次に評価尺度の一般利用について,評価分散によってユーザを分割する。 評価の異なる利用者はレコメンデーションシステムが異なる場合があり、過去の評価との合意は将来的な合意の予測を下方修正する可能性があると仮定する。 我々は,大規模な映画評価サイトから得られたデータを用いて,ユーザが配信によってグループ化されるべきかどうかを調査する。 このようなパーティショニングは計算効率を向上するだけでなく、トップkの性能と予測精度も向上する。 このような効果はユーザベースのKNN CFでは最大であり、アイテムベースのKNN CFでは小さめ、SVDのような遅延係数アルゴリズムでは最小である。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Lower-Left Partial AUC: An Effective and Efficient Optimization Metric for Recommendation [52.45394284415614]
  我々は,AUCのように計算効率が良く,Top-Kランキングの指標と強く相関する新しい最適化指標であるLLPAUCを提案する。 LLPAUCはローワーレフト角のROC曲線の下の部分領域のみを考慮し、最適化はトップKに焦点をあてる。
  論文  参考訳（メタデータ） (2024-02-29T13:58:33Z)
• FedGRec: Federated Graph Recommender System with Lazy Update of Latent Embeddings [108.77460689459247]
  プライバシー問題を軽減するためのフェデレートグラフレコメンダシステム(FedGRec)を提案する。 本システムでは,ユーザとサーバは,ユーザとアイテムに対する遅延埋め込みを明示的に記憶する。 我々は,遅延埋め込みを相互作用グラフの欠落のプロキシとして用いることの有効性を検証するために,広範な実験的な評価を行った。
  論文  参考訳（メタデータ） (2022-10-25T01:08:20Z)
• Item-based Variational Auto-encoder for Fair Music Recommendation [1.8782288713227568]
  EvalRS DataChallengeは、評価の正確性、公平性、多様性を考慮して、より現実的なレコメンデーションシステムを構築することを目的としている。 提案システムは,アイテムベース変分自動エンコーダ(VAE)とベイズパーソナライズされたランキング行列分解(BPRMF)のアンサンブルに基づく。
  論文  参考訳（メタデータ） (2022-10-24T06:42:16Z)
• Debiased Recommendation with Neural Stratification [19.841871819722016]
  我々は、露光密度を増大させることにより、より正確なIPS計算のためにユーザをクラスタ化することを提案する。 提案手法の有効性を実証するために,実世界のデータセットに基づく広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-08-15T15:45:35Z)
• PEPPER: Empowering User-Centric Recommender Systems over Gossip Learning [0.0]
  PEPPERは、ゴシップ学習原則に基づく分散型レコメンデーションシステムである。 私たちのソリューションは、他の分散ソリューションよりも最大42%高速に収束します。
  論文  参考訳（メタデータ） (2022-08-09T14:51:27Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• Tensor-based Collaborative Filtering With Smooth Ratings Scale [0.0]
  人口レベルの異なる評価値間の依存性を表す評価の類似度行列を導入する。 利用者の比率を下げたり下げたりする効果をオフセットすることで、提案された推薦の質を向上させることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:55:25Z)
• Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
  近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。 推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。 本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
  論文  参考訳（メタデータ） (2021-07-28T16:29:38Z)
• Control Variates for Slate Off-Policy Evaluation [112.35528337130118]
  多次元動作を伴うバッチ化されたコンテキスト帯域データから政治外評価の問題について検討する。 我々は, PIと自己正規化PIの双方に対して, リスク改善を保証した新しい推定器を得る。
  論文  参考訳（メタデータ） (2021-06-15T06:59:53Z)
• Generating Artificial Core Users for Interpretable Condensed Data [0.0]
  本稿では,実際のコアユーザデータから,ACU(Artificial Core Users)の小さなセットを生成する手法を提案する。 当社のACUは、高い評価情報を持ち、実際のCore Usersの推奨性能を改善しつつ、解釈可能なままです。
  論文  参考訳（メタデータ） (2021-02-06T21:53:37Z)

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。