論文の概要: Recent Developments in Recommender Systems: A Survey
- arxiv url: http://arxiv.org/abs/2306.12680v1
- Date: Thu, 22 Jun 2023 05:51:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 15:26:13.247375
- Title: Recent Developments in Recommender Systems: A Survey
- Title（参考訳）: レコメンダシステムの最近の進歩:サーベイ
- Authors: Yang Li, Kangbo Liu, Ranjan Satapathy, Suhang Wang and Erik Cambria
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 34.810859384592355
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this technical survey, we comprehensively summarize the latest
advancements in the field of recommender systems. The objective of this study
is to provide an overview of the current state-of-the-art in the field and
highlight the latest trends in the development of recommender systems. The
study starts with a comprehensive summary of the main taxonomy of recommender
systems, including personalized and group recommender systems, and then delves
into the category of knowledge-based recommender systems. In addition, the
survey analyzes the robustness, data bias, and fairness issues in recommender
systems, summarizing the evaluation metrics used to assess the performance of
these systems. Finally, the study provides insights into the latest trends in
the development of recommender systems and highlights the new directions for
future research in the field.
- Abstract（参考訳）: 本技術調査では,レコメンデータシステムの分野における最新の進歩を包括的に要約する。
本研究の目的は、この分野における最先端技術の概要と、レコメンダシステムの開発における最新の動向を明らかにすることである。
この研究は、パーソナライズされたグループレコメンダシステムを含むレコメンダシステムの主要な分類を包括的にまとめてから始まり、その後、ナレッジベースのレコメンダシステムのカテゴリに展開する。
さらに、リコメンデータシステムにおけるロバスト性、データバイアス、公正性の問題を分析し、これらのシステムの性能を評価するために使用される評価指標を要約した。
最後に、この研究はレコメンダシステム開発の最新トレンドに関する洞察を提供し、この分野における今後の研究の方向性を強調するものだ。
関連論文リスト
- Review of Explainable Graph-Based Recommender Systems [2.1711205684359247]
本稿では,説明可能なグラフベースレコメンデータシステムの最先端のアプローチについて論じる。
それは、学習方法、説明方法、説明型という3つの側面に基づいて分類する。
論文 参考訳（メタデータ） (2024-07-31T21:30:36Z) - 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) - Recommender Systems: A Primer [7.487718119544156]
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。
論文 参考訳（メタデータ） (2023-02-06T06:19:05Z) - Measuring "Why" in Recommender Systems: a Comprehensive Survey on the
Evaluation of Explainable Recommendation [87.82664566721917]
この調査は、IJCAI、AAAI、TheWebConf、Recsys、UMAP、IUIといったトップレベルのカンファレンスから100以上の論文に基づいています。
論文 参考訳（メタデータ） (2022-02-14T02:58:55Z) - A Survey of Deep Reinforcement Learning in Recommender Systems: A
Systematic Review and Future Directions [40.73124164815037]
本調査は,レコメンデーションシステムにおける近年の深層強化学習の動向を,タイムリーかつ包括的に概観することを目的としている。
本稿では,現在のDRLに基づくレコメンデータシステムの分類と既存手法の概要について述べる。
論文 参考訳（メタデータ） (2021-09-08T10:44:55Z) - 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) - 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。