Fugu-MT 論文翻訳(概要): Methodologies for Improving Modern Industrial Recommender Systems

論文の概要: Methodologies for Improving Modern Industrial Recommender Systems

arxiv url: http://arxiv.org/abs/2308.01204v1
Date: Fri, 21 Jul 2023 03:33:07 GMT
ステータス: 処理完了
システム内更新日: 2023-08-06 10:53:14.417414
Title: Methodologies for Improving Modern Industrial Recommender Systems
Title（参考訳）: 近代産業レコメンデーションシステム改善のための方法論
Authors: Shusen Wang
Abstract要約: Recommender System(RS)は、ソーシャルメディア、eコマース、エンターテイメントなどの分野で成功した技術である。本稿では,近代工業用RSの改良手法について考察する。
参考スコア（独自算出の注目度）: 19.296314932479497
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recommender system (RS) is an established technology with successful applications in social media, e-commerce, entertainment, and more. RSs are indeed key to the success of many popular APPs, such as YouTube, Tik Tok, Xiaohongshu, Bilibili, and others. This paper explores the methodology for improving modern industrial RSs. It is written for experienced RS engineers who are diligently working to improve their key performance indicators, such as retention and duration. The experiences shared in this paper have been tested in some real industrial RSs and are likely to be generalized to other RSs as well. Most contents in this paper are industry experience without publicly available references.
Abstract（参考訳）: Recommender System(RS)は、ソーシャルメディア、eコマース、エンターテイメントなどの分野で成功した技術である。 YouTube、Tik Tok、Xiaohongshu、Bilibiliなど、多くの人気のあるAPPの成功の鍵はRSにある。本稿では,現代産業rss改善の方法論について考察する。保守や持続時間といった重要なパフォーマンス指標の改善に熱心に取り組んでいる経験豊富なRSエンジニアのために書かれたものだ。この論文で共有されている経験は、実際の産業用rssでテストされており、他のrssにも一般化される可能性が高い。本論文のほとんどの内容は、公開参照のない業界経験である。

関連論文リスト

Optimizing and Evaluating Enterprise Retrieval-Augmented Generation (RAG): A Content Design Perspective [0.0]
Retrieval-augmented Generation (RAG)は、大規模言語モデル(LLM)を使用して顧客支援の質問応答ソリューションを構築するための一般的なテクニックである。本稿では,モジュール性とモデルに依存しないソリューション戦略に焦点を当てる。
論文参考訳（メタデータ） (2024-10-01T03:54:45Z)
Efficient and Deployable Knowledge Infusion for Open-World Recommendations via Large Language Models [53.547190001324665]
大規模言語モデル(LLM)からユーザとアイテムに関する2種類の外部知識を取得するためのREKIを提案する。個別の知識抽出と個別の知識抽出を,異なるシナリオのスケールに合わせて開発し,オフラインのリソース消費を効果的に削減する。実験によると、REKIは最先端のベースラインより優れており、多くの推奨アルゴリズムやタスクと互換性がある。
論文参考訳（メタデータ） (2024-08-20T03:45:24Z)
A Decoding Acceleration Framework for Industrial Deployable LLM-based Recommender Systems [49.588316022381385]
本稿では,LLMベースのレコメンデーション(DARE)のためのデコード高速化フレームワークを提案し,検索効率を向上させるためのカスタマイズされた検索プールと,ドラフトトークンの受け入れ率を高めるための緩和検証を提案する。 DAREは大規模な商用環境でのオンライン広告シナリオにデプロイされ、ダウンストリームのパフォーマンスを維持しながら3.45倍のスピードアップを実現している。
論文参考訳（メタデータ） (2024-08-11T02:31:13Z)
A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice [5.564583287027287]
Recommender Systems(RS)は、パーソナライズされたアイテムの提案を提供することで、ユーザーエクスペリエンスを高める上で重要な役割を果たす。この調査は、2017年から2024年までのRSの進歩を包括的にレビューする。それは、eコマース、ヘルスケア、金融など、さまざまな分野の課題に対処する。
論文参考訳（メタデータ） (2024-07-18T17:00:53Z)
EASRec: Elastic Architecture Search for Efficient Long-term Sequential Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。 EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文参考訳（メタデータ） (2024-02-01T07:22:52Z)
How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文参考訳（メタデータ） (2023-06-09T11:31:50Z)
Multimodal Recommender Systems: A Survey [50.23505070348051]
マルチモーダル・レコメンダ・システム(MRS)は近年,学界と産業の両方から注目を集めている。本稿では,主に技術的観点から,MSSモデルに関する総合的な調査を行う。実装コードなど、調査された論文の詳細にアクセスするために、リポジトリをオープンソース化します。
論文参考訳（メタデータ） (2023-02-08T05:12:54Z)
A Comparison Between Tsetlin Machines and Deep Neural Networks in the Context of Recommendation Systems [4.662321040754879]
勧告システム(Recommendation Systems, RS)は、現代社会において広く使われており、人間とAIの相互作用の最大のポイントの1つである。現代のRSは、しばしば深層学習モデルを用いて実装される。新たに導入されたTsetlin Machines (TM) は、その固有の解釈可能性のために、いくつかの価値のある性質を持っている。
論文参考訳（メタデータ） (2022-12-20T10:05:36Z)
Trustworthy Recommender Systems [27.27498627500375]
Recommender System (RS) は、ユーザーが大きなカタログから興味のあるアイテムを効果的に取り出すのを支援することを目的としている。近年では、攻撃やシステムやユーザ生成ノイズ、システムのバイアスなど、RSに対する脅威が増加している。エンドユーザーにとって、信頼できるRS(TRS)は正確であるだけでなく、透明で偏りがなく公正であり、ノイズや攻撃に対して堅牢であるべきである。
論文参考訳（メタデータ） (2022-08-10T08:28:46Z)
A survey on applications of augmented, mixed and virtual reality for nature and environment [114.4879749449579]
拡張現実(AR)、仮想現実(VR)、複合現実(MR)は、彼らが提供できるエンゲージメントとエンリッチな体験のために、大きな潜在能力を持つ技術である。しかし、環境応用の分野でAR、VR、MRがもたらす可能性はまだ広く研究されていない。本研究は,環境に有利な既存のAR/VR/MRアプリケーションを発見・分類したり,環境問題に対する意識を高めることを目的とした調査の結果を示す。
論文参考訳（メタデータ） (2020-08-27T09:59:27Z)

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。